数据分析师-数据科学专业问答社区-CDA答疑社区

热线电话：13121318867

登录

s1223452840

d = open('Account.txt','r',encoding = 'utf-8') data = d.readlines() 文件读取出错原因？

d = open('Account.txt','r',encoding = 'utf-8')data = d.readlines()data出错：‘utf-8’ codec can’t decode byte 0xa1 in position 0: invalid start byte解决办法，编码错误，源文件为 ANSI 格式

32.2124

5

1

0

关注作者

收藏

s1223452840

问：打开文档后出现的 \ufeff 是什么？

是文本保存时包含了BOM（Byte Order Mark，字节顺序标记，出现在文本文件头部，Unicode编码标准中用于标识文件是采用哪种格式的编码）导致的，解决方法是使用 utf-8-sig 编码：

32.2644

6

3

0

关注作者

收藏

wangxishi

python 按照等频分箱并依据好坏客户画出每个分数的分箱趋势图

想实现依据不同的score1,score2..分别将分数进行排序后分别等频分箱，每个分数等频分5箱，并依据好坏客户指标画图

22.6115

3

9

0

关注作者

收藏

Zzyh12

机器学习之聚类K-means

K-均值（K-Means）：K均值法是麦奎因（MacQueen，1967）提出的，这种算法的基本思想是将每一个样本分配给最近中心（均值）的类中 .计算步骤:先从没有标签的元素集合A中随机取k个元素作为k个子集各自的中心分别计算剩下的元素到k个子集中心的距离，根据将这些元素分别划归到最近的子集 ✓ 根据聚类结果，重新计算中心（子集中所有元素各个维度的算数平均数）将集合A中全部元素按照新的中心然后

22.5341

3

4

0

关注作者

收藏

赵娜0418

python中continue语句如何使用？

Python 里的 continue 语句可以用在 while 和 for 循环里。当遇到 continue 语句时, 程序会终止当前循环，并忽略剩余的语句，然后回到循环的顶端。在开始下一次迭代开始前，如果是条件循环，我们将验证条件表达式。如果是迭代循环，我们将验证是否还有元素可以迭代。只有在验证成功的情况下，我们才会开始下一次迭代。

23.3070

7

2

0

关注作者

收藏

s1223452840

pandas中 data.dropna(axis = 0 , thresh = 3) 这个thresh参数的含义？

thresh参数用法是：保留至少有n个非NaN数据的行/列如图，当运行完这一行代码后，data.dropna(axis = 0 , thresh = 3)，可以看到“”1“”行数据被丢弃

22.6570

5

3

0

关注作者

收藏

bowan.

连续型变量离散化

一、离散化原因数据离散化是指将连续的数据进行分段，使其变为一段段离散化的区间。分段的原则有基于等距离、等频率或优化的方法。数据离散化的原因主要有以下几点：算法需要比如决策树、朴素贝叶斯等算法，都是基于离散型的数据展开的。如果要使用该类算法，必须将离散型的数据进行。有效的离散化能减小算法的时间和空间开销，提高系统对样本的分类聚类能力和抗噪声能力。离散化的特征相对于连续型特征更易理解，更接近知识层面的

29.8301

4

1

0

关注作者

收藏

s1223452840

data.grouby().ngroup()这个编号指的是什么呢，实际中怎么应用的?

实际就是想知道哪个样本分到哪一组了

28.9545

4

3

0

关注作者

收藏

Zzyh12

机器学习之Knn

K最近邻(kNN，k-Nearest Neighbor)：K最近邻分类算法是数据挖掘分类技术中最简单的方法之一。所谓K最近邻，就是k个最近的邻居的意思，每个样本都可以用它最接近的k个邻近来代表.kNN算法的核心思想:如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特性.kNN工作原理:存在一个样本数据集合，也称作为训练样本集，并且样

28.9545

3

4

0

关注作者

收藏

汪诗凡

环比与同比的差异及在数据透视表内的操作方法

首先环比和同比都是描述数据变动的比较方法，但是两者的侧重点不同。环比主要是显示数据的短期趋势。例如：上月猪肉20元一斤，这个月24元一斤，则可以表述为，猪肉价格环比增长20%。同比主要是历史同期数据进行比较。例如：去年四月的游客累计100万，今年四月的游客累计95万，则可以表述为，这个月的游客同比减少5%。环比增长率=（本期数－上期数）/上期数×100%同比增长率=（本期数－同期数）

34.9290

3

3

0

关注作者

收藏

赵娜0418

行列式有哪些性质？

（1）、行列式和它的转置行列式相等.（2）、行列式中某一行元素的公因子可以提到行列式符号的外边来.或者说,用一个数来乘行列式,可以把这个数乘到行列式的某一行上.（3）、若果行列式中有一行元素全为零,则行列式的值为零.（4）、交换行列式两行,行列式仅改变符号.（5）、若行列式中有两行完全相同,则这个行列式的值为零.（6）、若行列式有两行的对应元素成比例,则这个行列式等于零.（7）、把行列式某一行的元

0.9830

4

1

0

关注作者

收藏

赵娜0418

在python中老师常提到的包指的是什么？

python包是一个有层次的文件目录结构，它定义了由n个模块或n个子包组成的python应用程序执行环境。可以使用import导入包，或者from + import来导入包中的部分模块。包目录下为首的一个文件便是 __init__.py。然后是一些模块文件和子目录，假如子目录中也有 __init__.py 那么它就是这个包的子包了。

29.8616

5

3

0

关注作者

收藏

s1223452840

Jupyter notebook目录怎么安装？

pip install jupyter_contrib_nbextensions # 安装第三方包jupyter contrib nbextension install --user --skip-running-check # 对 jupyter 进行配置打开anaconda prompt 依次运行这两行代码。打开 Jupyter notebook 会新增nbextensions按钮，点击

35.0103

5

2

0

关注作者

收藏

s1223452840

python中 reset_index(drop = True) drop = True的作用是什么？

答： drop=True 就是把原来的索引index列去掉，重置index。drop=False 就是保留原来的索引，添加重置的index。两者的区别就是有没有把原来的index去掉。

35.0103

6

0

0

关注作者

收藏

赵娜0418

什么是模块化？

模块化是指首先制作多个模块然后将它们链接和组合以形成完整系统的概念（即，软件/ Web应用程序可被划分为较小模块的程度称为模块化）。模块化使重用性得以实现，并最大限度地减少重复。

1.0056

5

0

0

关注作者

收藏

UIROIS

ndarray的矩阵运算

矩阵、标量、向量/矢量是数学概念，数组是编程中的概念。在计算机编程中，矩阵可以用数组形式表示，标量可以用数值表示，向量/矢量可以用数据结构表示。向量化/矢量化：就是将自然数据，转化为计算机可以处理的数据结构。import numpy as nparr1 = np.array([1, 2, 3, 4, 5])arr2 = np.array([10, 20, 30, 40, 50])# 1. 数组和数

45.6439

6

3

0

关注作者

收藏

188****1081

EXCEL常用函数

今天学的EXCEL常用函数

45.7939

8

1

0

关注作者

收藏

2384_1593313827

Python中最基本的数据类型

Python中最基本的数据类型：>> 1. 布尔类型(bool)：表示真假的类型，仅包含True(真)和False(假)两种取值> 2. 整型(int)：表示整数，例如1，2，1000，10000> 3. 浮点型(float)：表示小数，例如3.1415；或是科学记数法表示的数字，例如：3.14e3(3.14的乘以10的3次方)> 4. 字符串类型(str)：表示字符组成的有序序列>> 包括以上的

45.4220

4

0

0

关注作者

收藏

2384_1593313827

Python中最基本的数据类型

Python中最基本的数据类型：>> 1. 布尔类型(bool)：表示真假的类型，仅包含True(真)和False(假)两种取值> 2. 整型(int)：表示整数，例如1，2，1000，10000> 3. 浮点型(float)：表示小数，例如3.1415；或是科学记数法表示的数字，例如：3.14e3(3.14的乘以10的3次方)> 4. 字符串类型(str)：表示字符组成的有序序列>> 包括以上的

45.2148

3

1

0

关注作者

收藏

赵娜0418

jieba是相关的概念个应用

jieba.cut 接受三个输入参数: 需要分词的字符串；cut_all 参数用来控制是否采用全模式；HMM 参数用来控制是否使用 HMM 模型待分词的字符串可以是 unicode 或 UTF-8 字符串、GBK 字符串。jieba.cut 返回的结构都是一个可迭代的 generator，可以使用 for 循环来获得分词后得到的每一个词语(unicode)，或者用jieba.lcut 直接返回 l

46.7306

6

1

0

关注作者

收藏

<1…484950…341>

CDA考试动态

CDA报考指南