数据分析-实验

混乱的实验室：Te-s-r-act，是 TensorAct，还是 Tesseract ?

Te-s-r-act，是 TensorAct，还是Tesseract ?

卓尔金升级6——分类网络

问题描述

使用工具

Anaconda (Jupyter Notebook，Jupyter Lab，Numpy，Pandas，SciPy，TensorFlow，Keras)还有matplotlib，差点忘了

TensorFlow | TensorBoard | TensorBoard.dev | Google Colab****

https://playground.tensorflow.org/****

https://nbviewer.jupyter.org/

数据来源

MVRV | S2F | NVT

22 款神经网络的设计和可视化工具

Mac版Excel如何添加数据分析功能？

机器学习-回归问题(Regression)

标准化、归一化、正规化

一文读懂机器学习分类算法（附图文详解）

Q&A: 机器学习与金融行业

开发环境

https://www.anaconda.com/

https://www.anaconda.com/pycharm

pandas是一个数据处理的包，本身提供了许多读取文件的函数，像read_csv（读取csv文件），read_excel（读取excel文件）等，只需一行代码就能实现文件的读取。

规整化算法

第一步：去指数转线性，y = LN(x/x的几何平均数)， 第二步：Logistic 模式 ，y = 1/(1+e^(-x)) 第三步：z-score 标准化，y=(x-μ)/σ

只要经过这三步处理，不管之前是怎样分布的数据，都会转化为标准正态分布。

研发进度

2021.7.9

安装了Anaconda，借助Anaconda 安装了 Jupyter Notebook，Jupyter Lab，Numpy，Pandas，SciPy，TensorFlow，Keras 还有matplotlib，差点忘了

课程？在看了在看了。

from tensorflow import keras
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

找到了 TensorFlow学习笔记 ，发现逻辑回归分类问题应该用交叉熵损失函数，而不是均方误差MSE损失函数

****交叉熵 | **** 损失函数 | 归一化指数函数(Softmax函数)

matplotlib-tutorial 学会复制粘贴了，这是一种进步

python-tutorial 找到了python基础教程，重新回去学python

不学了，要吐了

再想想

找到了一本书：利用Python进行数据分析：README

找到了英文版

https://github.com/wesm/pydata-book

找到了中文版

https://github.com/BrambleXu/pydata-notebook

• Chapter 4: NumPy Basics: Arrays and Vectorized Computation（NumPy基础：数组和向量化计算）

  • 4.1 The NumPy ndarray: A Multidimensional Array Object（ndarray: 多维数组对象)

  • 4.2 Universal Functions: Fast Element-Wise Array Functions（通用函数：快速点对点数组函数）

  • 4.3 Array-Oriented Programming with Arrays（数组导向编程）

• Chapter 5: Getting Started with pandas（开始使用pandas）

  • 5.1 Introduction to pandas Data Structures（pandas的数据结构）

  • 5.2 Essential Functionality（主要功能）

  • 5.3 Summarizing and Computing Descriptive Statistics（汇总和描述性统计）

• Chapter 7: Data Cleaning and Preparation（数据清洗和准备）

  • 7.1 Handling Missing Data（处理缺失数据）

  • 7.2 Data Transformation（数据变换）

  • 7.3 String Manipulation（字符串处理）

• Chapter 11: Time Series（时间序列）

  • 11.1 Date and Time Data Types and Tools（日期和时间数据类型及其工具）

  • 11.2 Time Series Basics（时间序列基础）

  • 11.3 Date Ranges, Frequencies, and Shifting（日期范围，频度，和位移）

• Chapter 12: Advanced pandas（高级pandas用法）

  • 12.1 Categorical Data（类别数据）

• Chapter 14: Data Analysis Examples（数据分析实例）

  • 14.1 USA.gov Data from Bitly（USA.gov数据集）

  • 14.2 MovieLens 1M Dataset（MovieLens 1M数据集）

  • 14.3 US Baby Names 1880–2010（1880年至2010年美国婴儿姓名****

pandas是一个数据处理的包，本身提供了许多读取文件的函数，像read_csv（读取csv文件），read_excel（读取excel文件）等，只需一行代码就能实现文件的读取。

2021.7.10

python pandas read_html快读读取中国商情网的A股，港股以及新三板股票

pandas.read_csv 详细介绍

pandas.read_excel 详细介绍

教程

30分钟带你入门数据分析工具 Pandas

十分钟入门 Pandas 🚩

读取写入数据

• CSV

  • 写入 CSV 文件 (opens new window)。

In [143]: df.to_csv('foo.csv')

• • 读取 CSV 文件数据：

In [144]: pd.read_csv('foo.csv')

• Excel

  • 详见 Excel (opens new window)文档。

  • 写入 Excel 文件：

In [147]: df.to_excel('foo.xlsx', sheet_name='Sheet1')

• • 读取 Excel 文件：

In [148]: pd.read_excel('foo.xlsx', 'Sheet1', index_col=None, na_values=['NA'])

Pandas 数据结构

1. Series

Series 是一种一维数组，和 NumPy 里的数组很相似。事实上，Series 基本上就是基于 NumPy 的数组对象来的。和 NumPy 的数组不同，Series 能为数据自定义标签，也就是索引（index），然后通过索引来访问数组中的数据。

import numpy as np
import pandas as pd

创建一个 Series 的基本语法如下：

my_series = pd.Series(data, index)

2. DataFrames

Pandas 的 DataFrame（数据表）是一种 2 维数据结构，数据以表格的形式存储，分成若干行和列。通过 DataFrame，你能很方便地处理数据。常见的操作比如选取、替换行或列的数据，还能重组数据表、修改索引、多重筛选等。

构建一个 DataFrame 对象的基本语法如下：

pd.DataFrame(data,index)

df = pd.DataFrame(data,index) 

可视化

详见可视化 (opens new window)文档。

In [135]: ts = pd.Series(np.random.randn(1000),
   .....:                index=pd.date_range('1/1/2000', periods=1000))
   .....: 

In [136]: ts = ts.cumsum()

In [137]: ts.plot()
Out[137]: <matplotlib.axes._subplots.AxesSubplot at 0x7f2b5771ac88>

可视化

DataFrame 的 plot() (opens new window)方法可以快速绘制所有带标签的列：

In [138]: df = pd.DataFrame(np.random.randn(1000, 4), index=ts.index,
   .....:                   columns=['A', 'B', 'C', 'D'])
   .....: 

In [139]: df = df.cumsum()

In [140]: plt.figure()
Out[140]: <Figure size 640x480 with 0 Axes>

In [141]: df.plot()
Out[141]: <matplotlib.axes._subplots.AxesSubplot at 0x7f2b53a2d7f0>

In [142]: plt.legend(loc='best')
Out[142]: <matplotlib.legend.Legend at 0x7f2b539728d0>

可视化2

【美国微软大神的数据分析课】Pandas vs Excel 🚩

python3带你玩转excel--工作党福利--（评论区附有课件和代码）🚩

Excel动态仪表盘制作流程，非常详细【完结】🚩

python实现统计学包Scipy所有语法 🚩

python 正态分布_python绘制正态分布及三大抽样分布的概率密度图像

太玄的工具库0X04 NumPy SciPy 🚩

【2021新版】Python入门编程100例，用小例子提升实战技能！

python3带你玩转excel--工作党福利--（评论区附有课件和代码）\

numpy	np.array # ndarray	NumPy 提供了很多统计函数，用于从数组中查找最小元素，最大元素，百分位标准差和方差等。
scipy		scipy.stats
pandas	Series,DataFrame	excel,csv
matplotlib
tensorflow		keras
IPython
Spyder
Jupyter Notebook/Lab
PyCharm

SciPy - Stats_学习Scipy|WIKI教程

Scipy统计函数- Scipy教程™ - 易百教程 🚩

NumPy Ndarray 对象| 菜鸟教程

Scipy统计函数- Scipy教程教学| 程式教程网- 亿聚网

1.5 ScSciPy Lecture Notes 中文版 🚩

• scipy：高级科学计算| SciPy Lecture Notes 中文版 🚩

1.5 Scipy：高级科学计算

作者：Adrien Chauve, Andre Espaze, Emmanuelle Gouillart, Gaël Varoquaux, Ralf Gommers

Scipy

scipy包包含许多专注于科学计算中的常见问题的工具箱。它的子模块对应于不同的应用，比如插值、积分、优化、图像处理、统计和特殊功能等。

scipy可以与其他标准科学计算包相对比，比如GSL (C和C++的GNU科学计算包), 或者Matlab的工具箱。scipy是Python中科学程序的核心程序包；这意味着有效的操作numpy数组，因此，numpy和scipy可以一起工作。

在实现一个程序前，有必要确认一下需要的数据处理时候已经在scipy中实现。作为非专业程序员，科学家通常倾向于重新发明轮子，这产生了小玩具、不优化、很难分享以及不可以维护的代码。相反，scipy的程序是优化并且测试过的，因此应该尽可能使用。

警告 这个教程根本不是数值计算的介绍。因为列举scipy的不同子模块和功能将会是非常枯燥的，相反我们将聚焦于列出一些例子，给出如何用scipy进行科学计算的大概思路。

scipy是由针对特定任务的子模块组成的：

scipy.cluster	向量计算 / Kmeans
scipy.constants	物理和数学常量
scipy.fftpack	傅里叶变换
scipy.integrate	积分程序
scipy.interpolate	插值
scipy.io	数据输入和输出
scipy.linalg	线性代数程序
scipy.ndimage	n-维图像包
scipy.odr	正交距离回归
scipy.optimize	优化
scipy.signal	信号处理
scipy.sparse	稀疏矩阵
scipy.spatial	空间数据结构和算法
scipy.special	一些特殊数学函数
scipy.stats	统计

他们全都依赖于numpy, 但是大多数是彼此独立的。导入Numpy和Scipy的标准方式：

In [1]:

import numpy as np
from scipy import stats  # 其他的子模块类似

scipy的主要命名空间通常包含的函数其实是numpy（试一下scipy.cos其实是np.cos) 。这些函数的暴露只是因为历史原因；通常没有必要在你的代码中使用import scipy。

如何系统地学习Python 中 matplotlib, numpy, scipy, pandas？

• 【美国微软大神的数据分析课】Pandas vs Excel 🚩

• python3带你玩转excel--工作党福利--（评论区附有课件和代码）🚩

• 如何系统地学习Python 中 matplotlib, numpy, scipy, pandas？🚩

• ****机器学习之数据的偏态分布和数据的标准化🚩

• 人工智能实践：Tensorflow笔记🚩

  • 源码下载链接：https://pan.baidu.com/s/19XC28Hz_TwnSQeuVifg1UQ

    提取码：mocm

2021.7.13

columns 列

连接 pandas.concat()

pandas.concat()通常用来连接DataFrame对象。 pandas中concat()的用法

.reset_index(drop=True)

索引 pandas (loc、iloc、ix)

pandas (loc、iloc、ix)的区别 **loc：**通过行标签索引数据 **iloc：**通过行号索引行数据 **ix：**通过行标签或行号索引数据（基于loc和iloc的混合）

删除 pandas.drop(columns=_____)

插入 pandas.insert(1,columns=_____,value=_____)

改名 pandas.rename(字典)

line 行

追加.append

.reset_index(drop=True)

.at

删除行.index

.concat(),.iloc(),.drop(),.insert(),.rename(),.append(),.reset_index(),.at(),.index()

原创 PANDAS 数据合并与重塑（concat篇）

原创 PANDAS 数据合并与重塑（join/merge篇）

原创 pandas笔记 基础／groupby／concat／merge／join

原创 Series 创建、索引、删除、数学运算 归纳总结

数据分析之Pandas（四）DataFrame运算

pandas笔记（7）DataFrame数学运算

三维散点图

Python绘制三维散点图

matplotlib绘制三维散点图

二维散点图（高级）

厉害了，Matplotlib还能这样画散点图！

简单图形绘制

Python Pandas 图形绘制（一）：折线图，柱状图

matplotlib绘制直方图、条形图和饼图

68–95–99.7原则

Python求均值，方差，标准差

pandas数据合并之一文弄懂pd.concat（）

pandas-DataFrame列移动

Python-pandas的fillna()方法-填充空值

Pandas中把dataframe和np.array的相互转换

将Pandas中的DataFrame转换成Numpy中数组

pandas将字段中的字符类型转化为时间类型，并设置为索引

pandas设置index索引的标签名

高效的5个pandas函数，你都用过吗？

Pandas 窗口函数

PythonPandas-根据给定的窗口并从某个值开始计算某一列的和。

如何更快计算Dataframe里某一列中，上下两值的差值

pandas应用——滚动计算、筛选、判断空值、列移动、行列删除

python数据处理——同一行或同一列的错位相减法

【python】pandas库常用函数之shift详解

pandas选择单元格，选择行列 🚩

数据可视化—使用matplotlib绘制常用类型图表

matplotlib画3D图形时设置z轴尺寸

np.log 和math.log的底数是什么，默认都是e

已经实现部分代码并开源

GitHub - guhhhhaa/TensorAct-of-StarsGitHub

https://nbviewer.jupyter.org/github/guhhhhaa/TensorAct-of-Stars/blob/main/TensorAct1.0.ipynbnbviewer.jupyter.org

LV6-星魔方 (分类) 🎲