原创 numpy.tril_indices_from——返回下三角形的索引

numpy.tril_indices_from(arr, k=0) 作用: 返回arr的下三角形的索引 參數 arr : array_like 要返回的列表 k : int, optional 對角平移量 numpy.tril_i

原创 pandas.DataFrame.corr——計算列之間相關性

DataFrame.corr(self, method=‘pearson’, min_periods=1) API 作用:計算列之間的相關性,不包括缺省值 參數說明: method:可選值爲{‘pearson’, ‘kendal

原创 tight_layout

tight_layout會自動調整子圖參數,使之填充整個圖像區域。 https://www.jianshu.com/p/91eb0d616adb

原创 pandas.DataFrame函數解析

class pandas.DataFrame(data=None, index: Optional[Collection] = None, columns: Optional[Collection] = None, dtype:

原创 SVM——輸出概率值

如果創建SVM時,在Scikit-Learn中設置probability=True,那麼訓練完成後,算法將使用邏輯迴歸對SVM分數進行校準(對訓練數據額外進行5-折交叉驗證的訓練),從而得到概率值。 這會給SVM添加predict

原创 pd.apply--對數據表應用函數

DataFrame.apply(self, func, axis=0, raw=False, result_type=None, args=(), **kwds)API 用於 DataFrame 和 Series 對象。主要用於數

原创 Python可視化 | Seaborn kdeplot和distplot

kdeplot和distplot distplot

原创 pdset_option ----設置指定選項的值

python的set_option選擇 常用 1、pd.set_option(‘expand_frame_repr’, False) True就是可以換行顯示。設置成False的時候不允許換行 2、pd.set_option(‘d

原创 520表白----python 文字生成圖片

工科生滴浪漫~ 環境 pycharm + PIL庫 PIL庫是用來進行圖像處理的庫,它可以將圖片讀爲類,非常簡單方便地對圖形進行處理。需要注意的是,安裝的命令是pip install pillow 原圖: QAQ~~~太撩了啊

原创 深入理解series和dataframe,及其區別

一個dataframe可以看做是由多個series組成的。 series可以看做一個一維的字典,而dataframe可以看作是一個二維的字典。 原文鏈接,贊

原创 python報錯ModuleNotFoundError: No module named 'cPickle'

在python3.x下使用如下代碼: import cPickle as pk 會報如下錯誤: ImportError: No module named ‘cPickle’ 原因:python2有cPickle,但是在python

原创 jupyter notebook 報錯AttributeError: module 'matplotlib' has no attribute 'subplots'

1.確定正常安裝了matplotlib 2.import matplotlib.pyplot as plt https://blog.csdn.net/qq_42273575/article/details/88118404

原创 一文看懂25個神經網絡模型

引言 在深度學習十分火熱的今天,不時會涌現出各種新型的人工神經網絡,想要實時瞭解這些新型神經網絡的架構還真是不容易。光是知道各式各樣的神經網絡模型縮寫(如:DCIGN、BiLSTM、DCGAN……還有哪些?),就已經讓人招架不住

原创 matplotlib中plt.legend使用方法

函數功能:給圖形加上圖例。 matplotlib.pyplot.legend(*args, **kwargs)API loc:圖例在圖中的地理位置 如 plt.legend(loc=‘upper left’)圖例在左上角

原创 pandas.unique

API pandas.unique(values) 返回一個“獨一無二”的值 例如: >>> pd.unique(pd.Series([2, 1, 3, 3])) array([2, 1, 3]) >>> pd.unique(