正态分布: 若随机变量x服从有个数学期望为μ,方差为σ2 的正态分布,记为N(μ,σ) 其中期望值决定密度函数的位置,标准差决定分布的幅度,当υ=0,σ=0 时的正态分布是标准正态分布 判断方法有画图/k-s检验 画图: #导入模块 import numpy as np import pandas as pd import matplotlib.pyplot as plt %matplotlib inline #构造一组随机数据 s = pd.DataFrame(np.random.randn(

一.对数据的分布进行初步判断     1.1 原理 对于不同的分布,有特定的偏度(skewness)和峰度(kurtosis),正态分布.均匀分布.逻辑斯谛分布.指数分布的偏度和峰度都是特定的值,在偏度-峰度图中是特定的点,而伽马分布和对数正态分布在偏度-峰度图中是一条直线,贝塔分布在偏度-峰度图中是一片区域.因此可以通过未知分布的偏度峰度值(在图中是一个观察点),与各种分布的偏度峰度点(线.区域)进行对比,判断未知分布数据大致可能的一个或几个分布.     1.2 R代码         li

打开Minitab之后 点击Stat>Basic Statistics> Normality Test  分析之后若 P value(P值)>0.05,说明此组数据服从正态分布

本系列采用turtle.matplotlib.numpy这三个Python工具,以分形与计算机图像处理的经典算法为实例,通过程序和图像,来帮助读者一步步掌握Python绘图和数据可视化的方法和技巧,并且让读者感受到" 龙枝屈曲竞分形,瑰丽绮错千万状"的分形魅力. 中国传统中的『分形』 『分』是会意字,由八和刀上下组合而成,表示用刀把物体切开.分的本义是分别.分开,引申为辨别.分辨,又引申为从主体分出的部分.分支. 『形』在篆文中是形声字,『彡』为形,『幵』(jian)为声,『彡』表示绘

假设检验的基本思想: 若对总体的某个假设是真实的,那么不利于或者不能支持这一假设的事件A在一次试验中是几乎不可能发生的.如果事件A真的发生了,则有理由怀疑这一假设的真实性,从而拒绝该假设. 实质分析: 假设检验实质上是对原假设是否正确进行检验,因此检验过程中要使原假设得到维护,使之不轻易被拒绝:否定原假设必须有充分的理由.同时,当原假设被接受时,也只能认为否定该假设的根据不充分,而不是认为它绝对正确. 1.检验指定的数列是否服从正态分布 借助假设检验的思想,利用K-S检验可以对数列的性质进行检验

一.Matplotlib介绍 Matplotlib是一个强大的Python**绘图**和**数据可视化**的工具包. # 安装方法 pip install matplotlib # 引用方法 import matplotlib.pyplot as plt # 绘图函数 plt.plot() # 展示图像 plt.show() 执行后显示效果如下: 二.plot函数使用 plot函数:用于绘制折线图. 1.绘制线型图 线型linestyle:‘-’是实线.'--'是线虚线.‘-.’是线点虚线等.‘

Python: sklearn库 —— 数据预处理 数据集转换之预处理数据:      将输入的数据转化成机器学习算法可以使用的数据.包含特征提取和标准化.      原因:数据集的标准化(服从均值为0方差为1的标准正态分布(高斯分布))是大多数机器学习算法的常见要求. 如果原始数据不服从高斯分布,在预测时表现可能不好.在实践中,我们经常进行标准化(z-score 特征减去均值/标准差). 一.标准化(Z-Score),或者去除均值和方差缩放 公式为:(X-mean)/std  计算时对每个属性

在进行数据分析时,绘图是必不可少的模式探索方式.用Python进行数据分析时,matplotlib和pandas是最常用到的两个库.1.matplotlib库的应用准备工作如下:打开ipython,输入命令分别导入numpy和matplotlib.pylab库. import numpy as np import matplotlib.pylab as plt 1)创建fig绘图第一步是创建绘图窗口fig. fig1 = plt.figure() 2)创建subplot在窗口上添加AxesSub

用Python浅析股票数据 本文将使用Python来可视化股票数据,比如绘制K线图,并且探究各项指标的含义和关系,最后使用移动平均线方法初探投资策略. 数据导入 这里将股票数据存储在stockData.txt文本文件中,我们使用pandas.read_table()函数将文件数据读入成DataFrame格式. 其中参数usecols=range(15)限制只读取前15列数据,parse_dates=[0]表示将第一列数据解析成时间格式,index_col=0则将第一列数据指定为索引. impor

Python 学习 - 可视化数据操作(一) GitHub:https://github.com/liqingwen2015/my_data_view 目录 折线图 散点图 随机漫步 骰子点数概率 文件目录 折线图 cube_squares.py import matplotlib.pyplot as plt x_values=list(range(1, 5000)) y_values=[pow(x, 3) for x in x_values] plt.scatter(x_values, y_v

摘要:偶然机会接触到python语音,感觉语法简单.功能强大,刚好朋友分享了一个网课<python 爬虫与数据可视化>,于是在工作与闲暇时间学习起来,并做如下课程笔记整理,整体大概分为4个部分(1.python基础知识 2.爬虫基础知识 3.数据提取与存储 4.数据分析与可视化),入门级课程. 一.python的背景介绍.安装与配置.pycharm的安装与配置.ipython的安装.pip install的使用 二.python的变量与数据类型 数据类型:字符串.数字(整数.浮点数).布尔类型

1.Plotly被称为史上最好的绘图工具之一,为了更好的展示金融数据的复杂性. Plotly的官方网站为:https://plot.ly/ python量化的关键是金融数据可视化,无论是传统的K线图,还是现在的互动策略分析,都需要大量的可视化图表. 具体到编程代码,就是各种python绘图模块库,传统的python绘图模块有,Matplotlib.Ggplot.Seaborn等. Plotly 绘图底层使用的是plotly.js,它是基于D3.sj.stack.gl和SVG,用JavaScrip

一提到python绘图,matplotlib是不得不提的python最著名的绘图库,它里面包含了类似matlab的一整套绘图的API.因此,作为想要学习python绘图的童鞋们就得在自己的python环境中安装matplotlib库了,安装方式这里就不多讲,方法有很多,给个参考的. 本文将在已安装matplotlib的环境中教新手如何快速使用其中的接口进行绘图操作,并展现一个非常直观的绘图例子,以及控制绘图中的一些细节的方法. 既然绘图要用matplotlib的包,并且我们也已经安装了,那么首先

前段时间学习了梁斌老师的数据分析(升级版)第三讲<探索性数据分析及数据可视化>,由于之前一直比较忙没有来得及总结,趁今天是周末有点闲暇时间,整理一下笔记: 什么是seaborn Seaborn是一种基于matplotlib的Python绘图工具库.它提供了一种高度交互式界面,便于用户能够做出各种有吸引力的,信息量大的统计图表. 在大多数情况下使用seaborn就能做出很具有吸引力的图,而使用matplotlib就能制作具有更多特色的图.应该把Seaborn视为matplotlib的补充,而不是

python绘图入门 学习了:https://zhuanlan.zhihu.com/p/34200452 API:https://matplotlib.org/api/pyplot_api.html plot.py: # 导入模块 as 取别名 import matplotlib.pyplot as plt import matplotlib as mpl mpl.rcParams["font.sans-serif"] = ["YouYuan"] # 数据 列表 #

我们已经知道,某种格式的数据对于机器学习算法是必需的. 另一个重要的要求是,在将数据作为机器学习算法的输入发送之前,必须正确标记数据. 例如,如果所说的分类,那么数据上会有很多标记. 这些标记以文字,数字等形式存在.与sklearn中的机器学习相关的功能期望数据必须具有数字标记. 因此,如果数据是其他形式,那么它必须转换为数字. 这个将单词标签转换为数字形式的过程称为标记编码. 标记编码步骤 按照以下步骤在Python中对数据标记进行编码 - 第1步 - 导入有用的软件包 如果使用Python,

Python进行Redis数据迁移 由于开发时的误操作,导致redis数据损坏,所以需要进行redis的数据迁移,网上大佬的教程基本都是需要下载附加工具,亦或是需要一些复杂的操作,个人觉得麻烦还不如写个脚本来的经济实惠. # -*- coding: utf-8 -*- from redis import StrictRedis """ redis是用于操作Redis的第三方库,StrictRedis是官方推荐的方法,而且Redis是它的子类,Redis能做到的StrictRe

利用python将excel数据解析成json格式 转成json方便项目中用post请求推送数据自定义数据,也方便测试: import xlrdimport jsonimport requests def openWorkbook(): # 读取excel表的数据 workbook = xlrd.open_workbook(r'D:\data.xlsx') # 选取需要读取数据的那一页 sheet = workbook.sheet_by_index(0) # 获得行数和列数 rows = she

python的组合数据包括:1.列表list[   ] 2.元组tuple(),3.字典dict{"x":"y"},4.集合set{} 1.创造组合数据:均可直接使用创造如:list1=[1,2,3,4]  tuple1(1,2,3,4) dict{"1":"2"."3":"4"}    对于list tuple和set可以互相转化 如:list1=[1,2,3,4]  set1=set

目录 1. 数据文件 2. 读数据 3. 查找数据 4. 替换数据 4.1 一对一替换 4.2 多对一替换 4.3 多对多替换 5. 插入数据 6. 删除数据 6.1 删除列 6.2 删除行 7. 处理缺失值 7.1 数据准备 7.2 查看缺失值 7.3 删除缺失值 7.4 缺失值的填充 8. 处理重复值 8.1 删除重复行 8.2 删除某一列中的重复值 8.3 获取唯一值 9 排序数据 9.1 用sort_values()函数排序数据 9.2 用rank()函数获取数据的排名 10 rank(

一.项目背景 我们知道InfluxDB是最受欢迎的时序数据库(TSDB).InfluxDB具有 持续高并发写入.无更新:数据压缩存储:低查询延时 的特点.从下面这个权威的统计图中,就可以看出InfluxDB的热度. InfluxDB可以作为 性能监控.应用程序指标.物联网传感器数据和实时分析等的后端存储. 我们的DB性能监控体系是基于Telegraf+InfluxDB+Grafana组件搭建,如下图所示. 但是这个体系没有和既有的CMDB打通,例如,不清楚公司目前有多少台数据库实例已部署了监控?