- 综合排序
- 最热优先
- 最新优先
- 来自专栏SeanCheney的专栏
Python数据科学分析速查表
---- 分享一组Python数据分析速查表（呆鸟翻译的）。
70810发布于 2018-09-19 - 来自专栏生信小驿站
使用pandas构建简单直观的数据科学分析流程
数据科学分析流程通常是一系列步骤：数据集必须经过清理、缩放和验证，然后才能准备好被强大的机器学习算法使用。当然，这些任务可以通过Pandas等包提供的许多函数/方法来完成，但更优雅的方法是使用管道。 在数据科学领域，具有管道特性的包的例子是R语言中的dplyr和Python中的Scikit learn。 我们将使用美国房价数据集。 假设机器学习团队和领域专家说，他们认为我们可以安全地忽略用于建模的平均面积房屋年龄数据。因此，我们将从数据集中删除此列。 在这里，我们应用Scikit学习包中的StandardScaler将数据标准化，转换后可以用于聚类或神经网络拟合。
1.2K20发布于 2019-12-11 - 来自专栏程序员的知识天地
最简洁的Python时间序列可视化：数据科学分析价格趋势，预测价格，探索价格
时间序列数据在数据科学领域无处不在，在量化金融领域也十分常见，可以用于分析价格趋势，预测价格，探索价格行为等。 学会对时间序列数据进行可视化，能够帮助我们更加直观地探索时间序列数据，寻找其潜在的规律。 本文会利用Python中的matplotlib【1】库，并配合实例进行讲解。 【工具】Python 3 【数据】Tushare 【注】示例注重的是方法的讲解，请大家灵活掌握。 01 单个时间序列 首先，我们从tushare.pro获取指数日线行情数据，并查看数据类型。 04 多个时间序列 如果想要可视化多个时间序列数据，同样可以直接调用plot()方法。示例中我们从tushare.pro上面选取三只股票的日线行情数据进行分析。 ), sharex=False, sharey=False, colormap='viridis', fontsize=7,
6.8K40发布于 2019-07-18 - 来自专栏学习笔记持续记录中...
处理模型数据（7）
Spring MVC提供了以下几种途径输出模型数据： ModelAndView 控制器处理方法的返回值是ModelAndView，则其既包含视图信息，也包含模型数据信息 // success.jsp 返回的目标页面 return modelAndView; } } Map&Model Spring MVC 在内部使用了一个org.springframework.ui.Model接口存储模型数据 ，具体步骤： 1）SpringMVC在调用方法前会创建一个隐含的数据模型，作为模型数据的存储容器， 成为”隐含模型” 2）如果方法的入参类型为Map或Model，会将隐含模型的引用传递给这些入参。 3）在方法体内，可以通过这个入参对象访问到模型中的所有数据，也可以向模型中添加新的属性数据 Spring Web MVC 提供Model、Map或ModelMap让我们能去暴露渲染视图需要的模型数据。 ，则可以在控制器上标注一个@SessionAttributes，配置需要在session中存放的数据范围，Spring MVC将存放在model中对应的数据暂存到HttpSession 中。
50500发布于 2020-03-18 - 来自专栏火星娃统计
GEO数据挖掘7
GEO数据挖掘7 sunqi 2020/7/13 概述 GSVA分析，gene Set Variation Analysis，被称为基因集变异分析，是一种非参数的无监督分析方法，用来评估芯片核转录组的基因集富集结果 分组情况 table(group_list) ## group_list ## Control Vemurafenib ## 3 3 ##导入MigDB数据集名 "c7.all.v6.2.symbols.gmt" "h.all.v6.2.symbols.gmt" # 安装GSVA包 # BiocManager::install('GSVA') library es_max) df=df[df$P.Value<0.01 & abs(df$logFC) > 0.5,] write.csv(df,file = 'GSVA_DEG.csv') 结束语 至此，GEO数据分析的基础基本介绍完毕 ，后面计划解读一些geo数据挖掘的文章 love&peace
1.9K30发布于 2020-09-15 - 来自专栏互联网数据官iCDO
Look-alike用户行为模拟建模背后的科学分析
被吹嘘的Look-alike模型和基于行为特征的Look-alike 我之前曾在博客里为“大数据”大唱赞歌。我们曾经讨论过最优化算法和可以利用大数据来揭示的洞见。 唯一的改变是数据的体量和处理这些数据的速度。重要的是，不管你是在处理线性回归，神经网络学，或者什么完全不一样的东西，你都是在做同一件事情。 他们会设置一个数据阈值，比如说10%－15%的容差。他们中的一部分甚至会根据他们想要覆盖的用户数量凭空改变拟合。换句话说他们是在根据想要为你投放的广告数量来定义模型的。 ? 这个模型独立于数据深度就可以起效，我们关注单个的高提升度用户行为，而非试图在模型中找到具有全部特征的用户。 这个模型透明可见，不只是告诉你模型中的单个的行为组分，我们也为你提供工具方便你查阅。
2.5K50发布于 2018-03-02 - 来自专栏Hadoop数据仓库
ShardingSphere实践（7）——数据加密
中间件加密服务优势 7. 加密算法解析 三、用例测试 1. 准备测试用例环境 2. 执行数据加密 （1）创建逻辑库 （2）添加资源 （3）原表增加加密字段 （4）创建加密规则 3. 测试 4. 针对已上线业务，可实现明文数据与密文数据同步存储，并通过配置决定使用明文列还是密文列进行查询。可实现在不改变业务查询 SQL 前提下，已上线系统对加密前后数据进行安全、透明化迁移。 7. = | | 2 | fRV$wtz5FMV8bwH9 | NULL | 2xPXaMMndGl7I8CfQRVVwjLWHCA31RdEiQCtSK1KgqQ= 94oDpoqt2OjLWHCA31RdEiQCtSK1KgqQ= | | 4 | 123 | DZEHT99l6UjthceKuCCKIw== | LR3Zm3Bn6ANef7HMwBY5VQ --------------------------+ 6 rows in set (0.00 sec) 原因是MySQL默认使用的128位，加密方法为"ECB"，填充方法为"PKCS7"
2.4K11编辑于 2022-06-14 - 来自专栏听雨堂
【7】AccessDB快速数据访问
阅读目录 C#和VB数据访问的比较 AccessDB的设计 数据库的连接 三种主要操作 错误输出及调试 小结 C#和VB数据访问的比较 C#中要进行一次普通的数据库查询，需要创建连接，再根据具体的数据库类型 在VB6中，数据库的操作可谓简单至极，只要拖一个数据库的控件就可以使用大多数的数据库操作了。 习惯了这样简单的数据库访问方式，一直觉得C#中的数据库处理方式过于复杂。正因为如此，才不断摸索简化数据库访问的手段。 2、适用多种数据库。中小型应用系统采用的数据库类型往往多变，甚至同一个项目在不同阶段更换数据库也很常见（我的习惯是用Access开发，后期换Sql Server）。 方法中的第三类，是常用数据操作，在本系列的另外一个帖子（【6】页面数据和控件的自动交换机制）中，用到Add和Update以及GetEmptyRow，这些都是实际数据访问中常用的方法。
1.7K100发布于 2018-01-23 - 来自专栏AI机器学习与深度学习算法
机器学习入门 7-7 试手MNIST数据集
本小节使用更大更正规的手写识别数据集MNIST数据集，使用sklearn导入MNIST数据集并使用kNN算法对MNIST数据集进行分类。 原始数据集。 /master/lab7/mldata/mnist-original.mat 百度网盘：https://pan.baidu.com/s/1PcEsFps6NHBRWVxBMl7SmQ 提取码：pz8t 之后将下载好的数据集文件放到sklearn数据根目录下的mldata目录。 DESCR字段给出了下载数据集的网站"mldata.org"，如果有兴趣可以访问这个网站，看看其他的数据集。
2.7K10发布于 2019-11-13 - 来自专栏mysql
hhdb数据库介绍(7)
计算节点集群部署对服务器、操作系统、依赖软件等有一定要求，不符合要求的环境部署出来的集群可能无法使用或不满足使用要求。建议部署前详细了解计算节点集群部署对环境的要求说明。此文档将详细描述普通模式下，如何部署一套计算节点集群。
12610编辑于 2024-11-28 - 来自专栏Devops专栏
7-SpringBoot配置-获取数据
7-SpringBoot配置-获取数据 在上一篇中，我们已经知道了SpringBoot的配置文件如何设置。并且知道不单单可以配置 SpringBoot 框架定义的参数，还可以设置我们自定义的参数。 SpringBoot配置-获取数据 SpringBoot配置-获取数据的三种方式 @Value 通过注解获取配置参数 Evironment 通过环境变量获取参数 @ConfigurationProperties ; import java.util.Arrays; @Component // 设置为组件 @ConfigurationProperties(prefix = "person") // 配置读取数据 "; } } 好了，这样我们就已经通过定义 Person 类，以及配置 @ConfigurationProperties(prefix = "person") 读取到配置文件里面的数据了。
49730编辑于 2022-03-23 - 来自专栏Hank’s Blog
4-7 总结数据信息
313 11.5 62 5 4 5 NA NA 14.3 56 5 5 6 28 NA 14.9 66 5 6 7 23 299 8.6 65 5 7 8 19 99 13.8 59 5 8 9 8 19 20.1 61 5 :9.000 NA's :37 NA's :7 $ Day : int 1 2 3 4 5 6 7 8 9 10 ... > table(airquality$Month) 5 6 7 8 9 31 30 31 31 30 > table(airquality$Ozone,useNA = "ifany
27710发布于 2020-09-16 - 来自专栏Android开发指南
7.数据库、Contentobserver
群组页是程序内部维护的一个数据库，其中一张表groups，用于存放创建的群组，还有一张表thread_group，用于关联群组和系统短信数据库中的会话。 数据库应该这样设计 MySqliteHelper public class MySqliteHelper extends SQLiteOpenHelper{ public MySqliteHelper 此时，cursor ,实际对象是 SQLiteCursor ，就执行 SQLiteCursor 中的requery方法 ， * 在SQLiteCursor 中的requery方法中： * 重新查询数据 ： * 执行数据观察者的notify方法 ：mDataSetObservable.notifyChanged(); * 即执行观察者的onChanged方法： observer.onChanged( ); * CursorAdapter中已经为cursor 注册了一个数据观察者： mDataSetObserver * 当 mDataSetObserver 执行onChanged 方法时：
1.1K110发布于 2018-05-14 - 来自专栏数据猿
大数据投融资周报（7月2日——7月7日：共13起）
Moodstacks，图像识别成巨头“新宠” 本文由“135编辑器”提供技术支持 随着大数据技术的不断发展与创新，许多企业已经不满足于传统的数据分析，数据挖掘业务，这不，图像识别结束成为了巨头们的 根据企业提交的申请显示，此次融的资金除了用于产品研发工作以外，还将用于大数据及云计算的研究以及数据中心的技术投资。 此外，为保证企业数据的安全性，该公司仅保管密钥，只有企业方拥有“数据+密钥”双重保险，完全解密数据。 守财奴成立于2015年7月，是一家专注于互联网金融行业p2p网贷理财的信用中介平台。 据悉，守财奴平台结合大数据技术，为用户提供债务产权、抵押合同以及担保合同等相关证件的在线查阅功能，此外，其大数据风控团队，通过对金融、政府以及社会行为等相关数据属性的分析研究，帮助用户将贷前风险降低至可控范围
70140发布于 2018-04-19 - 来自专栏大数据杂货铺
数据沿袭与数据溯源：7 个关键区别
数据沿袭揭示了数据从何而来以及它在生命周期中如何演变。另一方面，数据溯源更侧重于通过对数据和元数据的审计跟踪来验证数据的准确性、质量和可靠性的能力。 两者都是现代数据管理和治理策略的关键组成部分。 1.了解数据沿袭与数据溯源：需要了解的关键因素 为了充分理解数据沿袭和数据溯源之间的差异和关系，让我们在几个附加因素的背景下理解这些概念： 1)数据治理 2)数据质量 3)数据安全 4)商业智能和分析 5)元数据管理 6)监管合规性 7)数据操作（DataOps） 让我们简要地研究一下这些因素： 1.1.数据治理 数据沿袭和溯源都是数据治理的关键组成部分，即组织中数据可用性、可用性、完整性和安全性的整体管理 1.5.元数据管理 元数据提供有关其他数据的信息，对其进行管理是数据沿袭和溯源不可或缺的一部分。 元数据可能包括有关数据源、访问者、数据转换方式等的信息。 原文链接：Data Lineage vs Data Traceability: 7 Crucial Distinctions (atlan.com)
95610编辑于 2024-03-11 - 来自专栏数据猿
大数据投融资周报（7月2日——7月7日，共11起）
作者 | abby 本周在大数据领域总共发生11起投融资事件，其中涉及了9家中国企业和2家美国企业，这些企业主要涉及的领域包括数据分析、医疗、精准营销等多个领域，以下为您奉上本周投融资周报。
40940发布于 2018-04-24 - 来自专栏数据分析师小熊
数据分析7大能力：梳理数据需求
顾名思义，数据需求，就是业务部门对数据分析产出的需求。有小伙会说：这还有需求呀，我们公司都是一通电话：“歪！给我个XX数据，快！”就完事了，根本不存在啥需求。 确实有这种无脑公司。 不过，这么无脑催数据的结果，就是返工。最常见的局面，就是你辛辛苦苦跑出来数，对面的一通质疑：“数据不对吧！”“为啥和我知道的不一样！”“你再给我个XX数据看看？”“加个字段吧！” Who：数据使用者 When：数据使用时间 Where：数据使用场合 Why：使用数据原因 What：具体数据格式 三、who：谁使用数据 包括： 申请人：部门，姓名 审批人：领导签名、邮件回复 加上审批人 不主动问数据用在哪里，结果业务拿着数据乱捅一波，捅完了就说：“诶呀，我们又不懂，都是数据提供的你去问他”……数据自然百口莫辩，死无全尸……所以不要吝啬语言，问清楚！ 六、why：为什么需要数据。 如果没有提前沟通好埋点/数据同步的问题，监控是没法按时上线的，更没法提供准确数据。相当多公司埋点管理混乱，就是因为数据、开发、业务相互不通气，信息不一致造成的。
1.3K21编辑于 2022-04-22 - 来自专栏测试开发干货
数据工厂平台-7:菜单和首页
现在回到我们的views.py中，给前端传递当前登录用户的总数据，这样之后我们之后就可以随意使用user. xxxx 了 效果如下： 好了，今天的内容到此结束。
58030编辑于 2022-05-19 - 来自专栏科控自动化
地热数据采集项目7 配置记录
[C#] 地热数据采集项目6 提供规范化接口文档 1.安装 .Net6 Ubuntu18.04 二进制文件方式安装.net6.09,并建立快捷方 tar -zxvf *.tar.gz #解压tar
32340编辑于 2022-12-01 数据清洗必看的7个要点
所以说数据清洗是件不可或缺的过程，把数据清洗做好了，数据质量就上来了，分析结果也就准确了。如果没有数据清洗，那么后续的分析就像在沙子上盖高楼，地基不稳极容易倒塌。 本文就从数据清洗的几个要点入手，来讲讲数据清洗到底需要洗什么。要点一：了解手头上的数据在动手清洗之前，最重要的一步是什么？是彻底地了解你手头的数据。 预览内容： 随机看一些数据，比如前几行、后几行，或随机抽样，看这些数据是说明什么的。查类型： 每一列的数据类型是什么？是整数、小数、文本还是日期？ 要点六：转换数据类型现在，数据看起来干净多了，但我们还要确保计算机能正确理解它们，这一步必须明确知道每个数据的类型才能进行计算。 总结以上就是数据清洗的七个核心要点，相信你看了这篇文章，对数据清洗的过程有了一个整体的把握，或许你会问：数据清洗的步骤怎么多，要每一步都做吗？
37800编辑于 2025-09-30
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号