处理数据要用到Pandas,但是没有学过,不知道是否有直接对某一列归一化的方法调用.自己倒弄了下.感觉还是比较麻烦. 使用Pandas读取到数组之后想把其中的'MonthlyIncome'一列进行归一化,网上的栗子都是对整个dataframe进行归一化,因为我的数据有些列是类别,不能使用: import pandas as pd import numpy as np #加载数据 #cvs df = pd.read_csv("train1.csv") #规格化 s = (df['Mont

最近做一个系列博客,跟着stackoverflow学Pandas. 以 pandas作为关键词,在stackoverflow中进行搜索,随后安照 votes 数目进行排序: https://stackoverflow.com/questions/tagged/pandas?sort=votes&pageSize=15 Adding new column to existing DataFrame in Python pandas - Pandas 添加列 https://stackoverflo

今天用python操作excel时,发现xlwt的API中没有对width.height有更多介绍,且使用时也不知道width取多少合适.现在这做个详细介绍 使用版本: python:2.7.5 xlwt:1.0.0 一:先创建一个excel ''' Created on 2015-11-19 @author: Administrator ''' import xlwt book = xlwt.Workbook(encoding='utf-8') sheet = book.add_sheet('

  关于数据预处理的几个概念 归一化 (Normalization): 属性缩放到一个指定的最大和最小值(通常是1-0)之间,这可以通过preprocessing.MinMaxScaler类实现. 常用的最小最大规范化方法(x-min(x))/(max(x)-min(x)) 除了上述介绍的方法之外,另一种常用的方法是将属性缩放到一个指定的最大和最小值(通常是1-0)之间,这可以通过preprocessing.MinMaxScaler类实现. 使用这种方法的目的包括: 1.对于方差非常小的属性可以

Python读取Excel,里面如果是日期,直接读出来是float类型,无法直接使用. 通过判断读取表格的数据类型ctype,进一步处理. 返回的单元格内容的类型有5种: ctype: 0 empty,1 string, 2 number, 3 date, 4 boolean, 5 error ctype =sheet1.cell(iRow,iCol).ctype 参考示例如下: 1.准备一个Excel文件,文件名Book1.xlsx 从第2行的第1列开始向右,分别是2019年的7月的1.2.3

#!/usr/bin/env python #coding:utf8 import pickle,json import datetime dic1 = {'name':'alex', 'age':44, 'born':datetime.datetime.now()} #如果这种比较复杂的,json就无法解析,此时用pick则可以 #将内存的数据存下来,进行重用,可以有工pickle序列化 f = file("d:/test.pkl","w") pickle.dum

Suppose I have a df which has columns of 'ID', 'col_1', 'col_2'. And I define a function : f = lambda x, y : my_function_expression. Now I want to apply the f to df's two columns 'col_1', 'col_2' to element-wise calculate a new column 'col_3' , somew

2014-03-19 16:59 1471人阅读 评论(0) 收藏 举报 分类: MySQL(12) 对于已经建立好的数据库,在一个已经有字段的表内新加字段可用以下方法: mysql_query("ALTER TABLE `表名` ADD `字段` 字段类型") or die(mysql_error()); 例如,对表article添加字段keywords [php] view plain copy

同matlab一样,matplot也可画散列图scatter. import numpy as np import matplotlib.pyplot as plt #fig = plt.figure() #ax = fig.add_subplot(111) a1 = np.array([1, 2, 3, 4]) a2 = np.array([1, 2, 3, 4]) #ax.scatter(np.random.rand(5), np.random.rand(5)) #mark = ['s','

print(train_set.tdm) print(type(train_set.tdm)) 输出得到: (0, 3200) 0.264940780338 (0, 1682) 0.356545827856 (0, 3875) 0.404535449364 (0, 2638) 0.375094236628 (0, 2643) 0.420086333071 (0, 558) 0.332314202381 (0, 2383) 0.215711023304 (0, 3233) 0.3048846436

1. 从字典创建DataFrame >>> import pandas >>> dict_a = {'],'mark_date':['2017-03-07','2017-03-07','2017-03-07']} >>> df = pandas.DataFrame(dict_a) # 从字典创建DataFrame >>> df # 创建好的df列名默认按首字母顺序排序,和字典中的先后顺序并不一样,字典中是'user_id','book

散列类型 1.集合 定义集合 se = {1,2,3,4} se = set()定义空集合 se = {1,3,5,7} se2 = {1,3,8,9} se & se2 {1,3} 交集 se | se2 并集 se - se2 差集 add 增 pop 随机删 remove 指定删除 update 添加 , 传序列类型. ipython里点后按tab会提示方法. isdisjoint 判断是否有交集 se.isdisjoint(se2) 有交集返回False. issubset 判断是否包含

列表的方法: 增:append() insert() extend()只能添加序列类型. .改li[0]= '123' li.insert(2,'123') 2个参数,位置,值 li.remove('123'),如果有两个123,只会删除前面第一个. 其他方法copy() reverse() sort() 字母排序时大写会在前面.按开头的第一个顺序来排 删:pop() ,默认删除最后一个元素,可指定下标索引删除 clear()清空 查:index(),返回一个值的索引,只返回第一个. count

collections模块-数据类型扩展模块 ''' 在内置数据类型(dict.list.set.tuple)的基础上,collections模块还提供了几个额外的数据类型:Counter.deque.defaultdict.namedtuple和OrderedDict等. 1.namedtuple: 生成可以使用名字来访问元素内容的tuple 2.deque: 双端队列,可以快速的从另外一侧追加和推出对象 3.Counter: 计数器,主要用来计数 4.OrderedDict: 有序字典 5.

def fabm(n): if n < 1: print('输入不能小于1') return -1 if n == 1 or n == 2: return 1 else: return fabm(n-1) + fabm(n-2) result = fabm(19) if result != -1: print('结果是%d' % result)

前言: 序列:列表/元组/字符串 3种序列的共同点: 都可以通过索引得到每一个元素 默认索引值从0开始(还支持负数) 都可以通过切片的方式得到范围内的元素的集合 有很多共同的操作符(重复操作符.拼接操作符.成员关系操作符) 序列常用BIF(内置方法) 1.list([iterable]) list()方法用于把一个可迭代对象转换成列表 所谓迭代就是重复反馈过程的活动,目的是为了接近并达到所需目标或结果. 每一次对过程的重复被称为一次迭代,每一次迭代得到的结果会被用来作为下一次迭代的初始值. 如:

import csv import os def main(): current_dir = os.path.abspath('.') file_name = os.path.join(current_dir, "csss.csv") csvfile = open(file_name, 'wt',newline='') # encoding='utf-8' writer=csv.writer(csvfile, delimiter=",") header=['uel'

1.现有两元祖 (('a'),('b'),('c'),('d') ) ,请使用Python中的匿名函数生成列表 [ {'a':'c'},{'c':'d'}] 答案:v = list(map(lambda x,y:{x:y},data[0:2],data[2:4])) data = (('a'),('b'),('c'),('d') ) v = list(map(lambda x,y:{x:y},data[0:2],data[2:4])) data[0:2] = ('a'),('b') data[2

1.什么是对象?什么是类? 对象是对类的具体表达,类是对象的抽象表达. 类只是为所有的对象定义了抽象的属性与行为. ——————————————————————————————————————————— ●re.search 函数返回的结果是 一个Match对象 ●re.findall 函数返回的结果是一个列表 ——————————————————————————————————————————— ●设计模式:六大原则 单一职责 (一个方法实现一个功能) 里氏替换原则 依赖倒置原则 接口隔离原则

1.冒泡排序(BubbleSort) 介绍:重复的遍历数列,一次比较两个元素,如果他们顺序错误就进行交换. 2016年1月22日总结: 冒泡排序就是比较相邻的两个元素,保证每次遍历最后的元素最大. 排序过程需要用到:int i,j; def bubble_sort(arry): n = len(arry) #获得数组的长度 for i in range(n): for j in range(1,n-i): if arry[j-1] > arry[j] : #如果前者比后者大 arry[j-1],