python小随笔

关于pip安装

.\pip.exe install --ignore-installed --upgrade tensorflow-gpu

python可视化库

Seaborn:是一个基于matplotlib的高级可视化效果库，针对的点主要是数据挖掘和机器学习中的变量特征选取，seaborn可以用短小的代码去绘制描述更多维度数据的可视化效果图。(用来对Titanic数据集来进行分析)

pandas

user[user['user_id']==10001082]　　#特定查询

train.Survived.value_counts() #pandas 可以直接 .列名

Survived_0 = data_train.Pclass[data_train.Survived == 0].value_counts() #进阶

https://www.cnblogs.com/chaosimple/p/4153083.html pandas十分钟

train.Survived.value_counts().plot(kind='bar') #可以直接在matplotlib里画图

get_dummies获取某一列的one-hot向量

boolean索引

pandas 10 十分钟入门系列

https://www.cnblogs.com/chaosimple/p/4153083.html

创建

dataframe对象创建:传入numpy , 字典对象也可以

参看数据

选择有标签方法,位置方法,布尔方法

http://blog.csdn.net/xw_classmate/article/details/51333646

缺失值处理

. Apply对数据应用函数

.str 使用字符串函数

合并

Concat基本的合并 Join 类似于SQL类型的合并(按照主键) Append 将一行连接到一个DataFrame上，

分组

对于”group by”操作，我们通常是指以下一个或多个操作步骤：

l （Splitting）按照一些规则将数据分为不同的组；

l （Applying）对于每组数据分别执行一个函数；

l （Combining）将结果组合到一个数据结构中；

Categorical

高级操作:

统计两个key关于第三个key的值

层次化索引（hierarchical index）是pandas的重要功能，这能使在一个轴上拥有两个以上的索引级别。抽象点说，它能使你以低维度形式处理高维度。

https://www.cnblogs.com/batteryhp/p/5006274.html

matplotlib

import matplotlib.pyplot as plt

fig = plt.figure()

fig.set(alpha=0.2)  # 设定图表颜色alpha参数

plt.subplot2grid((2,3),(0,0))             # 在一张大图里分列几个小图

data_train.Survived.value_counts().plot(kind='bar')# 柱状图

plt.title(u"获救情况 (1为获救)") # 标题

plt.ylabel(u"人数")  

plt.subplot2grid((2,3),(0,1))

data_train.Pclass.value_counts().plot(kind="bar")

plt.ylabel(u"人数")

plt.title(u"乘客等级分布")

plt.subplot2grid((2,3),(0,2))

plt.scatter(data_train.Survived, data_train.Age)

plt.ylabel(u"年龄")                         # 设定纵坐标名称

plt.grid(b=True, which='major', axis='y')

plt.title(u"按年龄看获救分布 (1为获救)")

plt.subplot2grid((2,3),(1,0), colspan=2)

data_train.Age[data_train.Pclass == 1].plot(kind='kde')

data_train.Age[data_train.Pclass == 2].plot(kind='kde')

data_train.Age[data_train.Pclass == 3].plot(kind='kde')

plt.xlabel(u"年龄")# plots an axis lable

plt.ylabel(u"密度")

plt.title(u"各等级的乘客年龄分布")

plt.legend((u'头等舱', u'2等舱',u'3等舱'),loc='best') # sets our legend for our graph.

plt.subplot2grid((2,3),(1,2))

data_train.Embarked.value_counts().plot(kind='bar')

plt.title(u"各登船口岸上船人数")

plt.ylabel(u"人数")

plt.show()

matplotlib user guide

Line Plot `plot()`.

多个子图

time datatime 等时间包的使用

datatime https://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000/001431937554888869fb52b812243dda6103214cd61d0c2000

https://www.cnblogs.com/snow-backup/p/5063665.html

巴特西

python小随笔

python可视化库

pandas

pandas 10 十分钟入门系列

创建

参看数据

选择有标签方法,位置方法,布尔方法

缺失值处理

合并

分组

Categorical

matplotlib

matplotlib user guide

Line Plot `plot()`.

time datatime 等时间包的使用

最新文章

热门文章

巴特西

python小随笔

python可视化库

pandas

pandas 10 十分钟入门系列

创建

参看数据

选择 有标签方法,位置方法,布尔方法

缺失值处理

合并

分组

Categorical

matplotlib

matplotlib user guide

Line Plot plot().

time datatime 等时间包的使用

最新文章

热门文章

选择有标签方法,位置方法,布尔方法

Line Plot `plot()`.