Pandas缺失处理
实际分析的数据常常存在缺失，要使用统计方法或机器学习的算法，必须先处理好缺失的数据。1import pandas as pd
查看缺失缺失数据可以使用 isna 或 isnull （两个函数没有区别）来查看每个单元格是否缺失，如果想要查看某一列缺失或者非缺失的行，可以利用 Series 上的 isn
...
Pandas索引访问
索引操作可以方便地获取 Pandas 基础数据结构中的指定元素。1import pandas as pd
索引器
DataFrame 的索引形式是列索引，即通过 [列名] 的形式可以从 DataFrame 中取出相应的列。如果是单个列名，则返回一个 Series 对象；如果是多个列名组成的列表，则返
...
Pandas基础知识
从文件中读取数据，并使用 Pandas 的基本数据结构（Series 和 DataFrame）进行数据简单分析和处理，最后将新的数据结果保存到文件里，这就是基本的 Pandas 操作。1import pandas as pd
读取数据最常见的文件主要是csv、excel 和 txt，所以我们重点介绍
...
Python快速自然语言处理
数据分析中往往会遇到很多文本数据，我们需要借助一些开源的工具，快速地对这些文本数据进行简单的处理与分析。本文整理了一些基于 sklearn、nltk 等工具包进行快速 NLP 处理的常用实例，不涉及 NLP 理论知识，模型与方法的选型也不是最优的，只求快速。
字符编码Python3 开始字符在 py
...
BeautifulSoup详解
我们解析网页最大的难点就在于其 HTML 源码是一长串复杂的字符串，而 BeautifulSoup 恰好提供了将其解析为特定的数据结构的能力，这样我们就可以通过 “访问属性” 和 “调用方法” 的方式快速获取网页中的指定内容。
解析器BeautifulSoup 支持 Python 标准库中的 HTM
...
用Python处理Excel
Excel 是 Windows 环境下强大的电子表格程序，Python 提供了许多处理 Excel 文件的工具包，我们在本文中总结了 openpyxl（处理 xlsx 文件）、xlrd 和 xlwt（处理 xls 文件） 这三个工具包的基本应用方法。下文中使用的两个数据集 example.xlsx
...
Tensorflow的基本开发步骤
发表于
|
分类于
技术文章
，
深度学习
，
Tensorflow
本节通过一个简单的逻辑回归实例来熟悉Tensorflow的开发流程，整个流程可以总结为五个步骤：准备数据、搭建模型、迭代训练、评价分析、使用模型。
准备数据一般地，根据具体的任务，我们会得到一定的标注数据，我们通常会把数据拆分为训练集、验证集和测试集，训练集用来训练模型，验证集用来调参，测试集用来评
...
Tensorflow的基本操作
发表于
|
分类于
技术文章
，
深度学习
，
Tensorflow
这一篇博文我们集中梳理了Tensorflow常用的基础操作与对应的函数，熟练掌握这些操作可以为后续使用Tensorflow构建深度神经网络扫清障碍。
数据操作算术运算
函数
描述
tf.assign(x, y, name=None)
令x=y
tf.add(x, y, name=N
...
预测房价的回归问题
回归问题是通过一系列的已知数据预测未来的值，这个待预测的值是一个连续值。我们使用20世纪70年代中期波士顿郊区房价的数据来进行回归问题的讨论。
数据准备同样的，我们可以使用Keras的内嵌函数加载这批数据，如果网络不支持自动下载，你可以选择事先下载好的数据。
123456from keras.dat
...
电影评论的情感极性分析
这一节我们将使用Keras构建一个用于分析情感极性的神经网络模型，我们使用的是IMDB数据集，其中包含了50000条严重两极分化的评论。我们将从数据的准备开始，一步一步地讨论深度学习的实践方法论。
数据准备Keras内置了下载IMDB数据的接口，但由于网络权限的原因，我们采用浏览器事先从网络上下载I
...