首页 > TAG信息列表 > Pclass
matplotlib------箱线图
一、代码示例 import pandas as pd import matplotlib.pyplot as plt data = pd.read_csv('../../Data/exercise_data/train.csv') any(data.Age.isnull()) # 检查年龄是否有缺失 data.dropna(subset=['Age'], inplace=True) # 删除含有缺失年龄的数据 # 设置中文和负号正常显动手学数据分析PART2
本次任务截图还未完全上传完毕，博客将于明天补充，先打卡啦~ 2.1.1 任务一：pandas中有两个数据类型DateFrame和Series，通 过查找简单了解他们。然后自己写一个关于这两个数据类型的小例子。 DataFrame: Series: 2.1.2 任务二：根据上节课的方法载入"train.csv"文件 2.1.3 任务三：查titanic乘客简单的数据分析
数据来源： kaggle的Titanic 生存模型：titanic_train.csv。 引入的库： import numpy as np import pandas as pd import sys reload(sys) sys.setdefaultencoding('gbk') import matplotlib.pyplot as plt import seaborn as sns [/code] ## 数据分析：Task04：数据可视化
text = pd.read_csv(r'result.csv') text.head() #可视化展示泰坦尼克号数据集中男女中生存人数分布情况（用柱状图试试）。 sex=text.group.by('Sex')['Survived'].sum() sex.plot.bar() plt.title('survived_count') plt.show() sex = text.groupby('Sex'反射简介及简单案例
反射概述：反射是框架的灵魂！ 1.1 JAVA反射机制 是在运行状态中，对于任意一个类，都能够知道这个类的所有属性和方法；对于任意一个对象，都能够调用它的任意方法和属性；这种动态获取信息以及动态调用对象方法的功能称为java语言的反射机制。 可以拿到类的字节码对象，通过字节码对象拿OC 底层探索 06、 isa 经典问题分析
经典问题分析 一、类的归属问题 1、2个API objc_getMetaClass() --> 获取元类 class_getMethodImplementation() --> 获取 IMP 2、实例方法 和 类方法 分析 1. 实例方法 class_getInstanceMethod() --> 类的实例方法 2. 类方法 class_getClassMethod() --> class_getInst分类算法之随机森林
一、集成学习方法之随机森林 集成学习通过建立几个模型组合来解决单一模型预测的问题。它的工作原理是生成多个分类器/模型，各自独立地学习和作出预测。这些预测最后结合成单预测，因此优于任何一个单分类的做出预测。 1、什么是随机森林 随机森林是一个包含多个决策树的分类分类算法之决策树
一、决策树概述 1、决策树思想 决策树思想的来源非常朴素，它来源于程序设计中的条件分支语句结构（if-then），最早的决策树就是利用这类结构分割数据的一种分类方法。例如，银行贷款是根据贷款人的各种条件来进行判断是否放贷： 可以看到银行贷款可以根据上面的条件依次进行判断，其中很第2次作业-titanic数据集练习
一、读入titanic.xlsx文件，按照教材示例步骤，完成数据清洗。 1 import xlrd2 import pandas as pd3 titanic=pd.DataFrame(pd.read_excel('C:\\Users\\Admin\\Desktop\\titanic.xlsx'))4 titanic.head() 1 titanic.drop("embark_town",axis=1,inplace=True