Python数据科学

对于Pandas运行速度的提升方法，之前已经介绍过很多回了，里面经常提及Dask，很多朋友没接触过可能不太了解，今天就推荐一下这个神器。 Pandas和Numpy大家都不陌生了，代码运行后数据都加载到RAM中，如果数据集特别大，我们就会看到内存飙升。但有时要处理的数据并不适合R…

用Python做数据分析离不开pandas，pnadas更多的承载着处理和变换数据的角色，pands中也内置了可视化的操作，但效果很糙。 因此，大家在用Python做数据分析时，正常的做法是用先pandas先进行数据处理，然后再用Matplotlib、Seaborn、Plotl…

大家都知道，Matplotlib是Python的可视化库，功能很强，可以绘制各种图。一些常规用法前不久分享过Matplotlib官方出品的cheatsheet：Matplotlib官方小抄手册公开，配套可视化代码已打包！ 但是！今天我们不走寻常路，专挑几个贼骚的操作分享下. 1…

最近日常逛逛技术平台，偶然间发现了一个非常牛逼的可视化学习网站。东哥之前在公众号和技术群里也推荐过一些，但和这个相比我觉得真是太逊色了。 好了，话不多说，我迫不及待地想分享下这个神器。 这个网站的名字叫 图之典，它是由一群数据可视化爱好者共同建立起来的，这些人来自各大公司，利用…

学过Python数据分析的朋友都知道，在可视化的工具中，有很多优秀的三方库，比如matplotlib，seaborn，plotly，Boken，pyecharts等等。这些可视化库都有自己的特点，在实际应用中也广为大家使用。 plotly、Boken等都是交互式的可视化工具，结…

当大家谈到数据分析时，提及最多的语言就是Python和SQL。Python之所以适合数据分析，是因为它有很多第三方强大的库来协助，pandas就是其中之一。pandas的文档中是这样描述的： 我们知道pandas的两个主要数据结构：dataframe和series，我们对数据的…

pandas有一种功能非常强大的方法，它就是accessor，可以将它理解为一种属性接口，通过它可以获得额外的方法。其实这样说还是很笼统，下面我们通过代码和实例来理解一下。 对于Series数据结构使用_accessors方法，我们得到了3个对象：cat，str，dt。 下面我…

前一段时间与大家分享了北京二手房房价分析的实战项目，分为分析和建模两篇。文章发出后，得到了大家的肯定和支持，在此表示感谢。 除了数据分析，好多朋友也对爬虫特别感兴趣，想知道爬虫部分是如何实现的。本篇将分享这个项目的爬虫部分，算是数据分析的一个 前传篇。 爬虫部分主要是通过爬取链…

1. 为什么要进行特征编码？ 我们拿到的数据通常比较脏乱，可能会带有各种非数字特殊符号，比如中文。下面这个表中显示了我们最原始的数据集。而实际上机器学习模型需要的数据是数字型的，因为只有数字类型才能进行计算。因此，对于各种特殊的特征值，我们都需要对其进行相应的编码，也是量化的过…