注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 机器学习工程师从算法基础到实战案例

  2. 【课程内容】 第一阶段：Python数据分析与建模库 Python快速入门 科学计算库Numpy 数据分析处理库Pandas 可视化库Matplotlib Seaborn可视化库 第二阶段：机器学习经典算法 回归算法 决策树与随机森林 贝叶斯算法 Xgboost 支持向量机算法 时间序列AIRMA模型 神经网络基础 神经网络架构 PCA降维与SVD矩阵分解 聚类算法 推荐系统 Word2Vec 第三阶段：机器学习案例实战 使用Python分析科比生涯数据 案例实战-信用卡欺诈检测 Python

  3. 所属分类：机器学习

    • 发布日期：2018-03-14
    • 文件大小：76
    • 提供者：u013844840

  1. Python-pandas基础习题与答案

  2. Python中的pandas与matplotlib,numpy等库进行数据分析的一些基础代码。

  3. 所属分类：Python

    • 发布日期：2018-07-06
    • 文件大小：16384
    • 提供者：weixin_42629112

  1. Day7-pandas-Ⅳ：数据加载与透视表.xmind

  2. 整理python数据分析库的重要知识，包括ipython、numpy、pandas（重要，包括3个文档）、scipy包、matplotlib图形绘制,共计7个文档，里面涵盖基础操作，案例解析和注意事项，因不能同时上传多个文件，所以逐一上传，如果下载文档的博友有问题可以随时咨询我，保证物有所值

  3. 所属分类：机器学习

    • 发布日期：2020-01-13
    • 文件大小：660480
    • 提供者：ZZQHELLO2018

  1. Day1-IPython与Numpy.xmind

  2. 整理python数据分析库的重要知识，包括ipython、numpy、pandas（重要，包括3个文档）、scipy包、matplotlib图形绘制,共计7个文档，里面涵盖基础操作，案例解析和注意事项，如果下载文档的博友有问题可以随时咨询我，保证物有所值

  3. 所属分类：机器学习

    • 发布日期：2020-01-13
    • 文件大小：769024
    • 提供者：ZZQHELLO2018

  1. python编程基础思维导图.zip

  2. python编程基础思维导图，主要包括变量与数据类型、python运算符、序列、列表切片、迭代器和生成器、分支结构、循环结构、常用内置函数、函数的涉及与使用、python模块、python标准库、正则表达式、异常处理、文件操作、pandas、numpy、matplotlib 等内容

  3. 所属分类：Python

    • 发布日期：2020-06-08
    • 文件大小：2097152
    • 提供者：princessyang

  1. Python科学计算之Pandas详解

  2. 起步 Pandas最初被作为金融数据分析工具而开发出来，因此 pandas 为时间序列分析提供了很好的支持。 Pandas 的名称来自于面板数据（panel data）和python数据分析 （data analysis） 。panel data是经济学中关于多维数据集的一个术语，在Pandas中也提供了panel的数据类型。 在我看来，对于 Numpy 以及 Matplotlib ，Pandas可以帮助创建一个非常牢固的用于数据挖掘与分析的基础。而Scipy当然是另一个主要的也十分出色的科学

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：117760
    • 提供者：weixin_38616809

  1. Python基础知识总结笔记（七）常用第三方库

  2. Python基础知识总结笔记（七）常用第三方库 argparse：命令行参数解析库 pillow：图片处理库–灰度化 requests：处理web请求库 psutil ——性能测试框架（ps命令显示当前进程状态） redis库——做缓存以及任务队列分发 peewee访问数据库 numpy数据分析、机器学习——做数组 pandas数据分析与绘图——二维表格 matplotlib绘图 scrapy爬虫框架 sklearn 分类回归，数据分析回归工程 tensorflow 神经网络 1. argpa

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：98304
    • 提供者：weixin_38679233

  1. Pandas基础–数据结构和索引操作

  2. Pandas基础 引言 Pandas是基于Numpy的库，但功能更加强大，Numpy专注于数值型数据的操作，而Pandas对数值型，字符串型等多种格式的表格数据都有很好的支持。 内容介绍 1.数据结构（Series,DataFrame,Panel） 2.索引操作 3.数据运算 4.层次化索引 5.可视化(暂时忽略) 6.示例1 7.外部数据的读取与存储（csv,txt,json,excel,数据库,web数据） 8.示例2 9.数据清洗与整理 10.示例3 11.数据分组与聚合 12.示例4 1

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：154624
    • 提供者：weixin_38629362

  1. Numpy库与Pandas库基础

  2. 文章目录Numpy数组操作矩阵操作PandasSeriesDataFrame常用方法 Numpy 全称Numerical Python，支持N维数组对象ndarray。 ndarray是用于存放同类型元素的多维数组； ndarray中每个元素是数据类型对象的对象（成为dtype）； 数组操作 import numpy as np #创建数组 a = [1,2,3,4] b = np.array(a) c = np.array([[1,2],[3,4]]) np.zeros(3) #全

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：65536
    • 提供者：weixin_38582719

  1. pandas库相关知识

  2. pandas库 pandas库函数速查表 pandas数据类型 两个数据类型：Series，DataFrame 可以进行基本操作、运算操作、特征类操作、关联类操作 Numpy pandas 基础数据类型 扩展数据类型 关注数据的结构表达 关注数据的应用表达 Series类型 由一组数据及与之相关的数据索引组成。 Series类型可由如下类型创建 python列表 b = pd.Series([9,8,7,6],index=['a','b','c','d']) # 自定

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：315392
    • 提供者：weixin_38713717

  1. DataWhale——Task01：Pandas基础

  2. DataWhale：Task01 Pandas基础 学习内容分为以下两个部分： 理论部分 掌握常见文件格式的读写操作 理解并熟悉 Series 和 DataFrame 的重要属性和重要方法 掌握各类排序（索引排序和值排序、单级排序和多级排序） 练习部分 《权利的游戏》剧本数据集分析 科比投篮数据集分析 —————————————–进入正题—————————————– （一）两个库 NumPy NumPy是一个科学计算基础库其中提供了许多向量和矩阵操作，能让用户轻松完成最优化、线性代数、积分、插值

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：579584
    • 提供者：weixin_38566180

  1. Pandas学习笔记1-Pandas基础

  2. Task01：Pandas基础（1天） Pandas基础文件的读取与写入查看pandas版本读取写入基本数据结构1. Series创建一个Series使series的索引列转化为dataframe的列Series的特点2. DataFrame创建一个DataFrame获取数据修改数据调用属性和方法索引对齐特性DataFrame的特点常用基本函数排序练习【练习一】【练习二】参考内容 文件的读取与写入 查看pandas版本 导入库文件，并查看Pandas版本。 import pandas as p

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：1048576
    • 提供者：weixin_38741244

  1. Pandas学习笔记1-Pandas基础

  2. Task01：Pandas基础（1天） Pandas基础文件的读取与写入查看pandas版本读取写入基本数据结构1. Series创建一个Series使series的索引列转化为dataframe的列Series的特点2. DataFrame创建一个DataFrame获取数据修改数据调用属性和方法索引对齐特性DataFrame的特点常用基本函数排序练习【练习一】【练习二】参考内容 文件的读取与写入 查看pandas版本 导入库文件，并查看Pandas版本。 import pandas as p

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：1048576
    • 提供者：weixin_38502510

  1. Python–Numpy&pandas（二）

  2. 课程介绍 课程内容和目标 pandas是什么： Pandas 是 Python 里分析结构化数据的工具集 基础是 numpy：高性能矩阵运算 图形库 matplotlib: 提供数据可视化 pandas能做什么： 结构化数据分析 数据挖掘 例子： 学生成绩分析 股票数据分析 ipython python 命令行与 ipython命令行的区别： 显示的数据可读性更强 import numpy as np from numpy.random.randn data = {i: randn(i}

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：60416
    • 提供者：weixin_38673921

  1. Data_Science_Learning:数据存储库Python数据科学和数据分析-源码

  2. 数据_科学_学习 与学习Python和数据科学/数据分析相关并创建的文档的资料库。 该存储库是实用的，初学者友好的数据分析入门，涵盖了Python，Numpy，Pandas，数据可视化和探索性数据分析的基础知识。 在哪里： 我们将看到专注于编码的动手教程 在云端使用Jupyter笔记本练习编码 建立真实的端到端课程项目 资料夹： 生产课程资料库中的数据科学 Python Impressionador课程资料库 Python做到零ao DS课程存储库 此存储库中使用的图像的存储库

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：1048576
    • 提供者：weixin_42116672

  1. analysis_tmdb_movies:选择Udacity的精选数据集之一，并使用NumPy和pandas对其进行调查。 完成整个数据分析过程，从提出问题开始，然后通过共享发现结束-源码

  2. analysis_imdb_movies 选择Udacity的精选数据集之一，并使用NumPy和pandas对其进行调查。 完成整个数据分析过程，从提出问题开始，然后通过共享发现结束。 评估 使用项目专栏评论我们的项目。 提交 这里要包括的内容： 包含我们分析的PDF或HTML文件。 该文件应包括：一个注释，用于指定要分析的数据集；对所提出问题的说明；对调查这些问题所做的工作的描述；与我们所做工作有关的任何数据的文档摘要统计数据和绘图，用于传达最终结果。我们使用的代码执行我们的分析。 如果我

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：23068672
    • 提供者：weixin_42144199

  1. Python科学计算之Pandas

  2. 在我看来，对于Numpy以及Matplotlib，Pandas可以帮助创建一个非常牢固的用于数据挖掘与分析的基础。而Scipy（会在接下来的帖子中提及）当然是另一个主要的也十分出色的科学计算库，但是我认为前三者才是真正的Python科学计算的支柱。我们首先要导入我们的演出明星——Pandas。这是导入Pandas的标准方式。显然，我们不希望每时每刻都在程序中写’pandas’，但是保持代码简洁、避免命名冲突还是相当重要的。因而我们折衷一下，用‘pd’代替“pandas’。如果你仔细查看其他人使用

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：915456
    • 提供者：weixin_38667581

  1. jsonpickle：Python库，用于将任意对象图序列化为JSON。 它几乎可以使用任何Python对象并将该对象转换为JSON。 此外，它可以将对象重新构造回Python-源码

  2. jsonpickle jsonpickle是用于复杂Python对象和双向转换的库。 jsonpickle建立在现有JSON编码器（例如simplejson，json和demjson）的基础上。 有关完整的文档，请访问。 鼓励在上的错误报告和合并请求。 jsonpickle支持Python 2.7和Python 3.4或更高版本。 警告：jsonpickle可以执行任意Python代码。 不要从不受信任/未经身份验证的源加载jsonpickle。 为什么用jsonpickle？ 用p

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：192512
    • 提供者：weixin_42108054

  1. Python科学计算之Pandas

  2. 在我看来，对于Numpy以及Matplotlib，Pandas可以帮助创建一个非常牢固的用于数据挖掘与分析的基础。而Scipy（会在接下来的帖子中提及）当然是另一个主要的也十分出色的科学计算库，但是我认为前三者才是真正的Python科学计算的支柱。我们首先要导入我们的演出明星——Pandas。 这是导入Pandas的标准方式。显然，我们不希望每时每刻都在程序中写’pandas’，但是保持代码简洁、避免命名冲突还是相当重要的。因而我们折衷一下，用‘pd’代替“pandas’。如果你仔细查看其他人使

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：915456
    • 提供者：weixin_38747233

  1. python Pandas库基础分析之时间序列的处理详解

  2. 前言 在使用Python进行数据分析时，经常会遇到时间日期格式处理和转换，特别是分析和挖掘与时间相关的数据，比如量化交易就是从历史数据中寻找股价的变化规律。Python中自带的处理时间的模块有datetime，NumPy库也提供了相应的方法，Pandas作为Python环境下的数据分析库，更是提供了强大的日期数据处理的功能，是处理时间序列的利器。 1、生成日期序列 主要提供pd.data_range()和pd.period_range()两个方法，给定参数有起始时间、结束时间、生成时期的数目及时

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：56320
    • 提供者：weixin_38663167
« 12 »