| | | | |

2019年12月29日

摘要： 1 from scipy.interpolate import lagrange 2 import pandas as pd 3 import numpy as np 4 5 # 加载数据 6 data = pd.read_excel("./qs.xlsx") 7 # print("data: \n 阅读全文

posted @ 2019-12-29 19:40 可西可彻阅读(775) 评论(0) 推荐(1)

【数据分析&数据挖掘】异常值的判断与去除——3σ & 箱线图分析

摘要： 1 import pandas as pd 2 3 # 异常值 ——远离正常值范围的错误值 4 # 异常值 ——删掉 5 6 # 异常值判断 ——3σ 箱线图分析 7 8 # 3σ 接住标准正态部分得到的规律——99.73%都在(μ-3α,μ+3α)之间，超过这个范围的数据认为是异常的 9 10 d 阅读全文

posted @ 2019-12-29 19:39 可西可彻阅读(4698) 评论(0) 推荐(1)

【数据分析&数据挖掘】三种数据标准化方式——离差标准化、标准差标准化&小数定标标准化

摘要： 1 import pandas as pd 2 import numpy as np 3 4 5 # 标准化去除量级的影响 6 7 # 3种方式 8 # （1）离差标准化 9 # 将数据做线性变化，将数据映射到【0,1】范围内， 10 # x = (x - min) / (max - min) 1 阅读全文

posted @ 2019-12-29 19:37 可西可彻阅读(5349) 评论(0) 推荐(2)

【数据分析&数据挖掘】连锁超市数据分析案例

摘要： 1 import pandas as pd 2 3 # 加载数据 4 data = pd.read_csv("./order.csv", encoding="ansi") 5 # print("data: \n", data) 6 print("data的列索引: \n", data.columns 阅读全文

posted @ 2019-12-29 19:33 可西可彻阅读(971) 评论(0) 推荐(1)

【数据分析&数据挖掘】计算每日营业额&最火菜品统计

摘要： 1 import pandas as pd 2 import numpy as np 3 4 # 计算每日营业额加载数据 5 detail = pd.read_excel("./meal_order_detail.xlsx") 6 print("detail: \n", detail) 7 pri 阅读全文

posted @ 2019-12-29 19:32 可西可彻阅读(1007) 评论(0) 推荐(1)

【数据分析&数据挖掘】pandas去空方法——删除法&保留法

摘要： 1 import pandas as pd 2 3 # 加载数据 4 detail = pd.read_excel("./meal_order_detail.xlsx") 5 print("detail: \n", detail) 6 print("detail的列名称: \n", detail.c 阅读全文

posted @ 2019-12-29 19:30 可西可彻阅读(1010) 评论(0) 推荐(1)

【数据分析&数据挖掘】pandas分组聚合

摘要： 1 import pandas as pd 2 import numpy as np 3 4 # 加载数据 5 detail = pd.read_excel("../day05/meal_order_detail.xlsx") 6 print("detail: \n", detail) 7 prin 阅读全文

posted @ 2019-12-29 19:29 可西可彻阅读(337) 评论(0) 推荐(1)

【数据分析&数据挖掘】pandas交叉表&透视表

摘要：一、交叉表 1 import pandas as pd 2 import numpy as np 3 4 # 加载数据 5 detail = pd.read_excel("../day05/meal_order_detail.xlsx") 6 # print("detail: \n", detail 阅读全文

posted @ 2019-12-29 19:27 可西可彻阅读(430) 评论(0) 推荐(1)

【数据分析&数据挖掘】pandas时间数据

摘要： 1 import pandas as pd 2 """ 3 pandas默认支持的时间点类型——Timestamp 4 pandas默认支持的时间序列类型——DatetimeIndex 5 numpy默认支持的时间点数据类型——datetime64 6 """ 7 8 # 可以使用pd.to_dat 阅读全文

posted @ 2019-12-29 19:25 可西可彻阅读(329) 评论(0) 推荐(1)

【数据分析&数据挖掘】pandas数据合并

摘要： 1 import pandas as pd 2 3 # 加载数据 4 data_1 = pd.read_excel("./concat合并数据.xlsx", sheetname=0) 5 data_2 = pd.read_excel("./concat合并数据.xlsx", sheetname=1) 阅读全文

posted @ 2019-12-29 19:24 可西可彻阅读(279) 评论(0) 推荐(1)

2019年12月29日

公告