Datawhale组队学习(Pandas) task8-文本数据
2024-05-12 20:20:40
第八章 文本数据
目录
- 1. str对象
- 2. 正则表达式基础
- 3. 文本处理的五类操作
- 3.1 拆分
- 3.2 合并
- 3.3 匹配
- 3.4 替换
- 3.4 提取
- 4. 常用字符串函数
- 4.1 字母型函数
- 4.2 数值型函数
- 4.3 统计型函数
- 4.4 格式型函数
- 5. 练一练
- Ex1：房屋信息数据集
- Ex2：《权力的游戏》剧本数据集
1. str对象
import numpy as np
import pandas as pdvar = 'abcd'
str.upper(var)
'ABCD'
s = pd.Series(['0abcd', 'efg', 'hi'])
s.str.upper()
0 0ABCD
1 EFG
2 HI
dtype: object
var[-1:0:-2]
'db'
s.str[-1:0:-2] # 分别对每个字符串做var[-1:0:-2]
0 db
1 g
2 i
dtype: object
s.str[2] # 超出范围则返回nan
0 b
1 g
2 NaN
dtype: object
# string 类型
s = pd.Series([{1:'temp_1',2:'temp_2'}, ['a','b'],0.5,'my_string'])
s
0 {1: 'temp_1', 2: 'temp_2'}
1 [a, b]
2 0.5
3 my_string
dtype: object
s.str[1]
0 temp_1
1 b
2 NaN
3 y
dtype: object
s.astype('string').str[1]
0 1
1 '
2 .
3 y
dtype: string
s.astype('string')
0 {1: 'temp_1', 2: 'temp_2'}
1 ['a', 'b']
2 0.5
3 my_string
dtype: string
2. 正则表达式基础
import re
re.findall('Apple','Apple! This Is an Apple!')
['Apple', 'Apple']
# 'abc' ---> 'a', 'b', 'c'
re.findall(r'.', 'abc')# 'abc' ---> 'a', 'c'
re.findall(r'[ac]', 'abc') # [ ] 字符类，匹配方括号中包含的任意字符# 'abc' ---> 'b'
re.findall(r'[^ac]', 'abc') # [^] 否定字符类，匹配方括号中不包含的任意字符# 'aaaabbbb' ---> 'aa', 'aa', 'bb', 'bb'
re.findall(r'[ab]{2}', 'aaaabbbb') # {n,m} 匹配前面字符至少n次，但不超过m次# 'aaaabbbb' ---> 'aaa', 'bbb'
# re.findall('[ab]{3}', 'aaaabbbb') # ['aaa', 'abb']
re.findall(r'aaa|bbb', 'aaaabbbb') # | 匹配符号前或符号后的值# 'aa?a*a' ---> 'a?', 'a*'
re.findall(r'a\?|a\*', 'aa?a*a') # \ 转义符，可以还原元字符原来的含义# 'abaacadaae' ---> 'ab', 'aa', 'c', 'ad', 'aa', 'e'
re.findall(r'a?.', 'abaacadaae') # ? 匹配前面字符0或1次 # .匹配除换行符意外的任意字符
['ab', 'aa', 'c', 'ad', 'aa', 'e']
# 'Apple! This Is an Apple!' ---> 'is', 'Is'
re.findall(r'.s','Apple! This Is an Apple!') # .匹配除换行符意外的任意字符# '09 8? 7w c_ 9q p@' ---> '09', '7w', 'c_', '9q'
re.findall(r'\w{2}','09 8? 7w c_ 9q p@') # \w匹配所有字母数字下划线 # {n,m}匹配前面字符至少n次，但是不超过m次# '09 8? 7w c_ 9q p@' ---> '8?', 'p@'
re.findall(r'\w\W\B','09 8? 7w c_ 9q p@') # \w匹配所有字母数字下划线 \W匹配非字母和数字的字符 \B匹配一组非空字符开头或结尾的位置，不代表具体字符# 'Constant dropping wears the stone.' ---> 't d', 'g w', 's t', 'e s'
re.findall(r'\w\s\w','Constant dropping wears the stone.')
re.findall(r'.\s.', 'Constant dropping wears the stone.')# '上海市黄浦区方浜中路249号 上海市宝山区密山路5号' ---> ('黄浦区', '方浜中路', '249号'), ('宝山区', '密山路', '5号')
re.findall(r'上海市(.{2,3}区)(.{2,3}路)(\d+号)','上海市黄浦区方浜中路249号 上海市宝山区密山路5号') # \d 匹配数字，+匹配前面子表达式一次或多次
[('黄浦区', '方浜中路', '249号'), ('宝山区', '密山路', '5号')]
3. 文本处理的五类操作
3.1 拆分
# 参数：正则表达式-最大拆分次数n-是否展开为多个列expand
s = pd.Series(['上海市黄浦区方浜中路249号', '上海市宝山区密山路5号'])
s.str.split('[市区路]')
0 [上海, 黄浦, 方浜中, 249号]
1 [上海, 宝山, 密山, 5号]
dtype: object
s.str.split('[市区路]', n=2, expand=True)
| 0 | 1 | 2 | |
|---|---|---|---|
| 0 | 上海 | 黄浦 | 方浜中路249号 |
| 1 | 上海 | 宝山 | 密山路5号 |
3.2 合并
s = pd.Series([['a','b'], [1, 'a'], [['a', 'b'], 'c']])
s
0 [a, b]
1 [1, a]
2 [[a, b], c]
dtype: object
s.str.join('-') # 用连接符-将Series中的字符串列表连接起来
0 a-b
1 NaN
2 NaN
dtype: object
s1 = pd.Series(['a','b'])
s2 = pd.Series(['cat','dog'])
s1.str.cat(s2, sep='-') # sep 连接符
0 a-cat
1 b-dog
dtype: object
s2.index = [1,2]
s1.str.cat(s2, sep='-', na_rep='?', join='outer') # 缺失值替代符号 na_rep，连接形式 join
0 a-?
1 b-cat
2 ?-dog
dtype: object
3.3 匹配
# str.contains 返回每个字符串是否包含正则模式的布尔序列
s = pd.Series(['my cat', 'he is fat', 'railway station'])
s.str.contains('\s\wat') # \s匹配空格 \w匹配所有字母、数字、下划线
0 True
1 True
2 False
dtype: bool
# str.startswith 和 str.endswith 返回了每个字符串以给定模式为开始和结束的布尔序列
# 均不支持正则表达式
s.str.startswith('my')
0 True
1 False
2 False
dtype: bool
# 想使用正则表达式检测开始/结束字符串的话，可以使用str.match
s.str.match('m|h') # 匹配m或h开头
0 True
1 True
2 False
dtype: bool
s.str[::-1] # 反转字符串# 0 tac ym
# 1 taf si eh
# 2 noitats yawliar
# dtype: objects.str[::-1].str.match('ta[f|g]|n') # 匹配[f|g]at 或 n结束
0 False
1 True
2 True
dtype: bool
s.str.contains('^[m|h]')
# 注意 不要和[^]搞混，[^]是匹配方括号中不包含的任意字符
# ^是匹配行的开始
0 True
1 True
2 False
dtype: bool
s.str.contains('[f|g]at|n$') # $匹配行的结束
0 False
1 True
2 True
dtype: bool
# str.find 返回从左到右第一次匹配的位置的索引
s = pd.Series(['This is an apple. That is not an apple.'])
s.str.find('apple') # 索引从0起始，空格也算
0 11
dtype: int64
# str.rfind 返回从右到左第一次匹配的位置的索引
s.str.rfind('apple')
0 33
dtype: int64
3.4 替换
str.replace 和 replace 并不是一个函数，在使用字符串替换时应当使用前者
s = pd.Series(['a_1_b','c_?'])
s.str.replace('\d|\?','new',regex=True) # \d匹配数字，\转义符
0 a_new_b
1 c_new
dtype: object
# 对不同部分进行有差别替换
s = pd.Series(['上海市黄浦区方浜中路249号', '上海市宝山区密山路5号', '北京市昌平区北农路2号'])
pat = '(\w+市)(\w+区)(\w+路)(\d+号)' # \w匹配所有字母、数字、下划线 # \d匹配数字: [0-9]
city = {'上海市':'Shanghai', '北京市':'Beijing'}
district = {'昌平区': 'CP District', '黄浦区': 'HP District', '宝山区': 'BS District'}
road = {'方浜中路': 'Mid Fangbin Road', '密山路': 'Mishan Road', '北农路': 'Beinong Road'}
def my_func(m):str_city = city[m.group(1)] # group(k)代表匹配到的第k个子组str_district = district[m.group(2)]str_road = road[m.group(3)]str_no = 'No. ' + m.group(4)[:-1]return ' '.join([str_city,str_district,str_road,str_no])
s.str.replace(pat, my_func, regex=True)
0 Shanghai HP District Mid Fangbin Road No. 249
1 Shanghai BS District Mishan Road No. 5
2 Beijing CP District Beinong Road No. 2
dtype: object
# 使用命名子组，清晰写出子组代表的含义# ?P<value>的意思就是命名一个名字为value的组
pat = '(?P<市名>\w+市)(?P<区名>\w+区)(?P<路名>\w+路)(?P<编号>\d+号)'def my_func(m):str_city = city[m.group('市名')]str_district = district[m.group('区名')]str_road = road[m.group('路名')]str_no = 'No. ' + m.group('编号')[:-1]return ' '.join([str_city,str_district,str_road,str_no])
s.str.replace(pat, my_func, regex=True)
0 Shanghai HP District Mid Fangbin Road No. 249
1 Shanghai BS District Mishan Road No. 5
2 Beijing CP District Beinong Road No. 2
dtype: object
3.4 提取
pat = '(\w+市)(\w+区)(\w+路)(\d+号)'
s.str.extract(pat)
| 0 | 1 | 2 | 3 | |
|---|---|---|---|---|
| 0 | 上海市 | 黄浦区 | 方浜中路 | 249号 |
| 1 | 上海市 | 宝山区 | 密山路 | 5号 |
| 2 | 北京市 | 昌平区 | 北农路 | 2号 |
pat = '(?P<市名>\w+市)(?P<区名>\w+区)(?P<路名>\w+路)(?P<编号>\d+号)'
s.str.extract(pat)
| 市名 | 区名 | 路名 | 编号 | |
|---|---|---|---|---|
| 0 | 上海市 | 黄浦区 | 方浜中路 | 249号 |
| 1 | 上海市 | 宝山区 | 密山路 | 5号 |
| 2 | 北京市 | 昌平区 | 北农路 | 2号 |
# str.extractall 将所有符合条件的模式全部匹配出来
# 如果存在多个结果，则以多级索引方式存储
s = pd.Series(['A135T15,A26S5','B674S2,B25T6'], index = ['my_A','my_B'])
s
my_A A135T15,A26S5
my_B B674S2,B25T6
dtype: object
pat = '[A|B](\d+)[T|S](\d+)'
s.str.extractall(pat)
| 0 | 1 | ||
|---|---|---|---|
| match | |||
| my_A | 0 | 135 | 15 |
| 1 | 26 | 5 | |
| my_B | 0 | 674 | 2 |
| 1 | 25 | 6 |
pat_with_name = '[A|B](?P<name1>\d+)[T|S](?P<name2>\d+)'
s.str.extractall(pat_with_name)
| name1 | name2 | ||
|---|---|---|---|
| match | |||
| my_A | 0 | 135 | 15 |
| 1 | 26 | 5 | |
| my_B | 0 | 674 | 2 |
| 1 | 25 | 6 |
s.str.findall(pat)
my_A [(135, 15), (26, 5)]
my_B [(674, 2), (25, 6)]
dtype: object
4. 常用字符串函数
4.1 字母型函数
s = pd.Series(['lower', 'CAPITALS', 'this is a sentence', 'SwApCaSe'])
# 全部大写
s.str.upper()
# 全部小写
s.str.lower()
# 标题格式
s.str.title()
# 首字母大写
s.str.capitalize()
# 大小写交换
s.str.swapcase()
0 LOWER
1 capitals
2 THIS IS A SENTENCE
3 sWaPcAsE
dtype: object
4.2 数值型函数
pd.to_numeric对字符格式的数值进行快速转换和筛选
errors非数值的处理模式。raise-直接报错，coerce-设为缺失，ignore-保持原来的字符串downcast非数值的转换类型
s = pd.Series(['1', '2.2', '2e', '??', '-2.1', '0'])
pd.to_numeric(s, errors='ignore')
0 1
1 2.2
2 2e
3 ??
4 -2.1
5 0
dtype: object
pd.to_numeric(s, errors='coerce')
0 1.0
1 2.2
2 NaN
3 NaN
4 -2.1
5 0.0
dtype: float64
# 快速查看非数值型的行
s[pd.to_numeric(s, errors='coerce').isna()]
2 2e
3 ??
dtype: object
4.3 统计型函数
- count 返回出现正则模式的次数
- len 返回出现正则模式的字符串长度
s = pd.Series(['cat rat fat at', 'get feed sheet heat'])
s.str.count('[r|f]at|ee') # 注意这里的|分割的前面整体和后面整体
0 2
1 2
dtype: int64
s.str.len()
0 14
1 19
dtype: int64
4.4 格式型函数
- 除空型
strip-去除两侧空格rstrip-去除右侧空格lstrip-去除左侧空格 - 填充型
pad
my_index = pd.Index([' col1', 'col2 ', ' col3 '])# 去除两侧空格
my_index.str.strip().str.len()
# 去除右侧
my_index.str.rstrip().str.len()
# 去除左侧
my_index.str.lstrip().str.len()
Int64Index([4, 5, 5], dtype='int64')
# 左侧填充
s = pd.Series(['a','b','c'])
s.str.pad(5, 'left', '*')# 右侧填充
s.str.pad(5, 'right', '*')# 左右两侧填充
s.str.pad(5, 'both', '*')
0 **a**
1 **b**
2 **c**
dtype: object
# 数字前补0的三种写法
s = pd.Series([7, 155, 303000]).astype('string')
# 写法1
s.str.pad(5, 'left', '0') # 超出数字不处理
s.str.pad(6, 'left', '0')
# 写法2
s.str.rjust(6,'0')
# 写法3
s.str.zfill(6)
0 000007
1 000155
2 303000
dtype: string
5. 练一练
Ex1：房屋信息数据集
我的答案
df = pd.read_excel('data/house_info.xls', usecols=['floor','year','area','price'])
df.head()
| floor | year | area | price | |
|---|---|---|---|---|
| 0 | 高层（共6层） | 1986年建 | 58.23㎡ | 155万 |
| 1 | 中层（共20层） | 2020年建 | 88㎡ | 155万 |
| 2 | 低层（共28层） | 2010年建 | 89.33㎡ | 365万 |
| 3 | 低层（共20层） | 2014年建 | 82㎡ | 308万 |
| 4 | 高层（共1层） | 2015年建 | 98㎡ | 117万 |
# 将 year 列改为整数年份存储
df['year'] = df['year'].str.replace('年建','')
# 将 floor 列替换为 Level, Highest 两列，其中的元素分别为 string 类型的层类别（高层、中层、低层）与整数类型的最高层数
df[['Level','Highest']]=df['floor'].str.split('（共',expand=True)
df['Highest'] = df['Highest'].str.replace('层）','')
df = df.drop('floor',1)
df.head()
| year | area | price | Level | Highest | |
|---|---|---|---|---|---|
| 0 | 1986 | 58.23㎡ | 155万 | 高层 | 6 |
| 1 | 2020 | 88㎡ | 155万 | 中层 | 20 |
| 2 | 2010 | 89.33㎡ | 365万 | 低层 | 28 |
| 3 | 2014 | 82㎡ | 308万 | 低层 | 20 |
| 4 | 2015 | 98㎡ | 117万 | 高层 | 1 |
# 计算房屋每平米的均价 avg_price ，以 ***元/平米 的格式存储到表中，其中 *** 为整数
df['price'] = pd.to_numeric(df['price'].str.replace('万',''),errors='coerce')
df['price'] = df['price']*10000
area_num = pd.to_numeric(df['area'].str.replace('㎡',''),errors='coerce')
df['avg_price'] = df['price']/area_num
df['avg_price'] = df['avg_price'].apply(lambda x:str(int(x))+'元/平米')
df
| year | area | price | Level | Highest | avg_price | |
|---|---|---|---|---|---|---|
| 0 | 1986 | 58.23㎡ | 1550000.0 | 高层 | 6 | 26618元/平米 |
| 1 | 2020 | 88㎡ | 1550000.0 | 中层 | 20 | 17613元/平米 |
| 2 | 2010 | 89.33㎡ | 3650000.0 | 低层 | 28 | 40859元/平米 |
| 3 | 2014 | 82㎡ | 3080000.0 | 低层 | 20 | 37560元/平米 |
| 4 | 2015 | 98㎡ | 1170000.0 | 高层 | 1 | 11938元/平米 |
| ... | ... | ... | ... | ... | ... | ... |
| 31563 | 2010 | 391.13㎡ | 100000000.0 | 中层 | 39 | 255669元/平米 |
| 31564 | 2006 | 283㎡ | 26000000.0 | 高层 | 54 | 91872元/平米 |
| 31565 | 2011 | 245㎡ | 25000000.0 | 高层 | 16 | 102040元/平米 |
| 31566 | 2006 | 284㎡ | 35000000.0 | 高层 | 62 | 123239元/平米 |
| 31567 | 2008 | 224㎡ | 23000000.0 | 低层 | 22 | 102678元/平米 |
31568 rows × 6 columns
参考答案
# 第一问
df.year = pd.to_numeric(df.year.str[:-2]).astype('Int64')# 第二问
# extract 写法不够熟悉
pat = '(\w层)（共(\d+)层）'
new_cols = df.floor.str.extract(pat).rename(columns={0:'Level', 1:'Highest'})
df = pd.concat([df.drop(columns=['floor']), new_cols], 1)# 第三问
s_area = pd.to_numeric(df.area.str[:-1]) # 这样写好简便
s_price = pd.to_numeric(df.price.str[:-1])
df['avg_price'] = ((s_price/s_area)*10000).astype('int').astype('string') + '元/平米'
Ex2：《权力的游戏》剧本数据集
参考答案
这道题我智障了…
- 我以为1-2问中的台词数是要统计
Sentence每行的句子数，然后再求和 得到一共多少句台词。想多了。 - 第3问没有受到影响
# 第一问
df = pd.read_csv('data/script.csv')
df.columns = df.columns.str.strip()
df.groupby(['Season', 'Episode'])['Sentence'].count().head()# 第二问
df.set_index('Name').Sentence.str.split().str.len().groupby('Name').mean().sort_values(ascending=False).head()# 第三问
s = pd.Series(df.Sentence.values, index=df.Name.shift(-1)) # 这里写得好棒，太简洁了，我自己写得好麻烦
s.str.count('\?').groupby('Name').sum().sort_values(ascending=False).head()
我的答案
df = pd.read_csv('data/script.csv')
df.head(3)
| Release Date | Season | Episode | Episode Title | Name | Sentence | |
|---|---|---|---|---|---|---|
| 0 | 2011-04-17 | Season 1 | Episode 1 | Winter is Coming | waymar royce | What do you expect? They're savages. One lot s... |
| 1 | 2011-04-17 | Season 1 | Episode 1 | Winter is Coming | will | I've never seen wildlings do a thing like this... |
| 2 | 2011-04-17 | Season 1 | Episode 1 | Winter is Coming | waymar royce | How close did you get? |
df['Sentence'] = df['Sentence'].str.capitalize()df[df['Name']=='slave buyer'] # 这个人台词是数字开头...
| Release Date | Season | Episode | Episode Title | Name | Sentence | count | word_count | |
|---|---|---|---|---|---|---|---|---|
| 16187 | 2015-05-24 | Season 5 | Episode 7 | The Gift | slave buyer | 20. | 0 | 1 |
# 计算每一个 Episode 的台词条数
df['count'] = df['Sentence'].str.count('[A-Z]') # 统计大写字母个数
df.columns
res = df.groupby('Episode ')['count'].count().to_frame()
# 我说怎么报错呢...原来Episode后面有个空格...
res.head()
| count | |
|---|---|
| Episode | |
| Episode 1 | 2637 |
| Episode 10 | 1846 |
| Episode 2 | 2957 |
| Episode 3 | 2648 |
| Episode 4 | 2356 |
# 以空格为单词的分割符号，请求出单句台词平均单词量最多的前五个人
# 以name groupyby,总单词量/总台词数
df.head()
| Release Date | Season | Episode | Episode Title | Name | Sentence | count | word_count | |
|---|---|---|---|---|---|---|---|---|
| 0 | 2011-04-17 | Season 1 | Episode 1 | Winter is Coming | waymar royce | What do you expect? they're savages. one lot s... | 1 | 25 |
| 1 | 2011-04-17 | Season 1 | Episode 1 | Winter is Coming | will | I've never seen wildlings do a thing like this... | 1 | 21 |
| 2 | 2011-04-17 | Season 1 | Episode 1 | Winter is Coming | waymar royce | How close did you get? | 1 | 5 |
| 3 | 2011-04-17 | Season 1 | Episode 1 | Winter is Coming | will | Close as any man would. | 1 | 5 |
| 4 | 2011-04-17 | Season 1 | Episode 1 | Winter is Coming | gared | We should head back to the wall. | 1 | 7 |
# 统计单词数，一个单词后面都会跟一个空格，最后一个句子 最后一个单词结束后没空格，所以要加1
df['word_count'] = df['Sentence'].str.count('\s') + 1
df.head()
| Release Date | Season | Episode | Episode Title | Name | Sentence | count | word_count | |
|---|---|---|---|---|---|---|---|---|
| 0 | 2011-04-17 | Season 1 | Episode 1 | Winter is Coming | waymar royce | What do you expect? They're savages. One lot s... | 3 | 25 |
| 1 | 2011-04-17 | Season 1 | Episode 1 | Winter is Coming | will | I've never seen wildlings do a thing like this... | 2 | 21 |
| 2 | 2011-04-17 | Season 1 | Episode 1 | Winter is Coming | waymar royce | How close did you get? | 1 | 5 |
| 3 | 2011-04-17 | Season 1 | Episode 1 | Winter is Coming | will | Close as any man would. | 1 | 5 |
| 4 | 2011-04-17 | Season 1 | Episode 1 | Winter is Coming | gared | We should head back to the wall. | 1 | 7 |
res = df.groupby('Name')[['count','word_count']].sum()
res['word_average'] = res['word_count']/res['count']
res.sort_values('word_average',ascending=False)
| count | word_count | word_average | |
|---|---|---|---|
| Name | |||
| slave buyer | 0 | 1 | inf |
| male singer | 1 | 109 | 109.0 |
| slave owner | 1 | 77 | 77.0 |
| lollys stokeworth | 1 | 62 | 62.0 |
| manderly | 1 | 62 | 62.0 |
| ... | ... | ... | ... |
| dothraki woman | 1 | 1 | 1.0 |
| dornish prince | 1 | 1 | 1.0 |
| cold | 1 | 1 | 1.0 |
| little sam | 1 | 1 | 1.0 |
| doloroud edd | 1 | 1 | 1.0 |
564 rows × 3 columns
# 若某人的台词中含有问号，那么下一个说台词的人即为回答者。若上一人台词中含有 n 个问号，则认为回答者回答了 n 个问题，请求出回答最多问题的前五个人。
answer_count = df['Sentence'].str.count('\?').tolist()
answer_count = [0] + answer_count
df['answer_count']=answer_count[:-1]
res = df.groupby('Name')['answer_count'].sum().to_frame()
res.sort_values('answer_count',ascending=False).head()
| answer_count | |
|---|---|
| Name | |
| tyrion lannister | 527 |
| jon snow | 374 |
| jaime lannister | 283 |
| arya stark | 265 |
| cersei lannister | 246 |
Datawhale组队学习(Pandas) task8-文本数据相关推荐
- Datawhale组队学习(Pandas) task2-pandas基础
写在前面 看了很多小伙伴task1的笔记,感觉很棒的同时也深受启发,学习过程不仅仅是教材等资料的理解和重复,更应该是自己的思考.串联.发问.尝试,这样才能学得深刻~ 但因为前者更容易,所以自己常常陷入 ...
- Datawhale组队学习-NLP新闻文本分类-TASK06
Task6 基于深度学习的文本分类3 基于深度学习的文本分类 学习目标 了解Transformer的原理和基于预训练语言模型(Bert)的词表示 学会Bert的使用,具体包括pretrain和fine ...
- Datawhale组队学习-NLP新闻文本分类-TASK05
Task5 基于深度学习的文本分类2 在上一章节,我们通过FastText快速实现了基于深度学习的文本分类模型,但是这个模型并不是最优的.在本章我们将继续深入. 基于深度学习的文本分类 本章将继续学习 ...
- Data Whale第20期组队学习 Pandas学习—时序数据
Data Whale第20期组队学习 Pandas学习-时序数据 一.时序中的基本对象 二.时间戳 2.1 Timestamp的构造与属性 2.2 Datetime序列的生成 2.3 dt对象 2.4 ...
- Datawhale组队学习-金融时序数据挖掘实践-Task01数据探索与分析
Datawhale组队学习-金融时序数据挖掘实践-Task01数据探索与分析 在二手车交易价格预测之后,本菜鸟又加入了金融时序数据挖掘实践的学习.两个项目都是结构化数据,都着重于对数据本身的探索. ...
- Data Whale第20期组队学习 Pandas学习—缺失数据
Data Whale第20期组队学习 Pandas学习-缺失数据 一.缺失值的统计和删除 1.1 统计缺失信息 1.2 删除缺失信息 二.缺失值的填充和插值 2.1 利用fillna进行填充 2.2 ...
- 第8期Datawhale组队学习计划
第8期Datawhale组队学习计划马上就要开始啦 这次共组织15个组队学习,涵盖了AI领域从理论知识到动手实践的内容 按照下面给出的最完备学习路线分类,难度系数分为低.中.高三档,可以按照需要参加 ...
- 如何用Pandas处理文本数据？
↑↑↑关注后"星标"Datawhale 每日干货 & 每月组队学习,不错过Datawhale干货 作者:耿远昊,Datawhale成员,华东师范大学 文本数据是指不能参与算 ...
- Datawhale组队学习之集成学习——Task 6 Boosting
Datawhale组队学习之集成学习--Task 6 Boosting 一.Boosting方法的基本思路 二.Adaboost算法 1.Adaboost基本原理 2.使用sklearn对Adaboo ...
- Datawhale组队学习周报（第002周）
Datawhale组队学习周报(第002周) (一)当下 本周(02月22日~02月28日),我们正在进行5门开源内容的组队学习.一共建立了6个学习群,参与人数1080人.到目前为止,有4门课开源内容 ...
最新文章
- docker安装redis提示没有日记写入权限_Docker 学习笔记（第六集：使用 Dockerfile 定制镜像）...
- ASSERT(断言)的用法
- 036_jQuery Ajax全局回调函数
- bzoj3714:[PA2014]Kuglarz
- 【iCore1S 双核心板_ARM】例程三：EXTI中断输入实验——读取ARM按键状态
- 事务演练 mysql
- 小米CC开机动画公布：扑面而来的青春活力
- 旅游后台管理系列——SSM框架Dao层整合
- html5客户端页面,iphoneX 适配客户端H5页面的方法教程
- 安卓开发:医院预约挂号app
- 再也不担心写出臃肿的Flink流处理程序啦，发现一款将Flink与Spring生态完美融合的脚手架工程-懒松鼠Flink-Boot
- SXT:聚合与组合的理解
- SpringBoot集成Dubbo
- linux上的客户端连接window上的服务器
- Python中complex复数类型的简单介绍
- NOI-1.5(29) 数字反转
- 计算机英语单词记录1
- Deep Learning（深度学习）学习笔记整理系列之常用模型
- 浅谈 路由器，交换机，集线器，vlan作用
- Dance Collection
热门文章
- 罗马数字数字1到10对照表
- 成功解决Cannot uninstall 'pywin32'. It is a distutils installed project and thus we cannot accurately de
- python列表姓氏_Python 批量生成中文姓名（百家姓）
- 她力量系列四丨读博6年两次换导师，靠一点点“倔”，俞舟成为social chatbot的开拓者之一
- javascript案例,专辑前6名
- 古剑奇谭如何修改服务器,寻木枝改方向了！《古剑奇谭网络版》这波更新太值得去体验了...
- 计算机网络之网络安全基础－消息完整性与数字签名
- 市场营销人员如何用BI工具进行多维度数据分析？仅需7步
- win7计算机隐藏文件,Win7怎么设置隐藏文件夹和取消隐藏？-win7显示隐藏文件
- win10桌面管理文件收纳_win10系统关闭桌面文件收纳盒的详细方法介绍