動手學資料分析 task3 資料重構

一、資料合併

1、使用pd.concat(objs, axis=0, join=『outer』, […])

list_up =

[text_left_up,text_right_up]
result_up = pd.concat(list_up,axis=1)
result_up.head(
)

resul_up = text_left_up.join(text_right_up)

result_down = text_left_down.join(text_right_down)
result.head(
)

result_up = pd.merge(text_left_up,text_right_up,left_index=

true
,right_index=
true
)result_down = pd.merge(text_left_down,text_right_down,left_index=
true
,right_index=
true
)result.head(
)

常見的資料的層次化結構有兩種，一種是**，一種是「花括號」，即下面這樣的l兩種形式：

**在行列方向上均有索引（類似於dataframe），花括號結構只有「列方向」上的索引（類似於層次化的series），結構更加偏向於堆疊（series-stack，方便記憶）。stack函式會將資料從」**結構「變成」花括號結構「，即將其行索引變成列索引。另外，unstack函式將資料從」花括號結構「變成」**結構「，即要將其中一層的列索引變成行索引。

三、資料聚合與運算

1、group by：一般和sum()、mean()等聚合函式一起，使用預設axis=0按行分組，可指定axis=1對列分組。欄位內的資料重構後都會變成索引

df  = text[

'fare'
].groupby(text[
'***'])
means = df.mean(
)survived_*** = text[
'survived'
].groupby(text[
'***'])
.sum()
survived_pclass = text[
'survived'
].groupby(text[
'pclass'])
survived_pclass.
sum(
)

df.groupby(

'survived'
).agg(
).rename(columns=
)

動手學資料分析 Task3

concat方法可以在兩個維度上拼接，預設縱向憑藉 axis 0 拼接方式缺省外連線 pd.concat objs,axis 0,join outer join axes none,ignore index false,keys none,levels none,names none,verify ...

動手學深度學習Task3

過擬合 欠擬合及其解決方案 梯度消失 梯度 迴圈神經網路高階 1 過擬合和欠擬合 過擬合 模型的訓練誤差遠小於它在測試資料集上的誤差，我們稱該現象為過擬合 欠擬合 模型訓練誤差無法降低.如何應對欠擬合和過擬合？在這裡我們重點討論兩個因素 模型複雜度和訓練資料集大小。1.1.1 模型複雜度 為了解釋模...

動手學資料分析 Task 2

常用的函式有dropna 和fillna dataframe.dropna axis 0,how any thresh none,subset none,inplace false 屬性說明 預設引數axis 0，根據索引 index 刪除指定的行 axis 1,根據列名 columns 刪除指定的...