from mlxtend.data import iris_data # 内置数据集plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号# 导入和切分数据X = X[:,:2] # 选择前2个特征建模# 切分数据集# 绘制决策边界y,clf

公众号：尤而小屋作者：Peter编辑：Peter大家好，我是Peter~最近看了很多的关于因子分析的资料，整理出这篇理论+实战文章分享给大家。后续会出一篇PCA主成分分析的文章，将主成分分析和因子分析两种降维的方法进行对比。因子分析作为多元统计分析里的降维方法之一，因子分析可以应用于多个场景，如调研、数据建模等场景之中。起源因子分析的起源是这样的：1904年英国的一个心理学家发现学生的英语、法语和

公众号：尤而小屋作者：Peter编辑：Peter大家好，我是Peter~今天给大家介绍一款超赞的空间（地理）数据可视化神器：keplergl。小编最近偶然发现的这个神器是Uber完全开源的，也是Uber内部进行空间数据可视化的默认工具。通过其面向Python开放的接口包keplergl，我们可以在jupyter notebook中通过书写Python代码的方式传入多种格式的数据，在其嵌入noteb

公众号：尤而小屋作者：Peter编辑：Peter大家好，我是Peter~在自己的数据处理分析日常中，经常会遇到对数据的某个字段进行分组再求和或均值等其他操作的需求，比如电商中根据不同的支付用户、不同的月份、不同的性别、不同的用户来源进行用户的画像细分，来研究不同组用户的偏好和消费情况等。在pandas中自己都是使用groupby来解决这类问题，本文结合一份模拟的数据来讲解groupby的内部机制。

公众号：尤而小屋作者： Peter编辑：Peter数据清洗真的是一项复杂且繁琐的工作。有人嘲讽????：搞数据的，80%的时间花在了数据清洗上。听起来匪夷所思的，但实际情况真的就是如此呀！但也是整个数据分析过程中最为重要的一环。本篇文章将介绍如何使用Pandas库来处理缺失值。Pandas系列Pandas文章已经连载12篇，往期精选文章：1-图解pandas的排序机制2-图解pandas的排名机制

公众号：尤而小屋作者：Peter编辑：Peter大家好，我是Peter~从26个字母中精选出23个Pandas常用的函数，将它们的使用方法介绍给大家。其中o、y、z没有相应的函数。import pandas as pdimport numpy as np下面介绍每个函数的使用方法，更多详细的内容请移步官网：https://pandas.pydata.org/docs/reference/gener

pandas使用技巧-统计元素频数之所以会写这篇文章是因为经常会做词云图，而做词云图一个很重要的因素就是要事先知道每个元素的出现的频数：也就是说通过它们出现次数的多少来决定它们的重要性，所以需要事先将它们的次数统计出来。模拟数据import pandas as pdimport numpy as npfrom collections import Countername_list = ["小明",

一文搞定pandas的数据合并在实际处理数据业务需求中，我们经常会遇到这样的需求：将多个表连接起来再进行数据的处理和分析，类似SQL中的连接查询功能。pandas中也提供了几种方法来实现这个功能，表现最突出、使用最为广泛的方法是merge。本文中将下面????四种方法及参数通过实际案例来进行具体讲解。mergeappendjoinconcat文章目录导入库做数据分析的时候这两个库是必须导入的，国际

通过计算每个codebook向量与新数据实例之间的距离来找到最相似的邻居（最佳匹配），然后返回最佳匹配单元的类别值或在回归情况下的实际值作为预测。同时，只有这些离得近的数据点才和超平面的定义和分类器的构造有关，这些点被称为支持向量，他们支持或定义超平面。当然，你尝试的算法必须和你的问题相切合，其中的门道便是机器学习的主要任务。这类事件被称为维度诅咒。在机器学习领域，有种说法叫做“世上没有免费的午餐

DBSCAN（Density-Based Spatial Clustering of Applications with Noise，基于密度的带有噪声的空间聚类应用）是一种基于密度的聚类算法。密度聚类算法一般假定类别是可以通过样本分布的紧密程度来决定。同一个类别中，样本之间是紧密相连的，也就说通过将紧密相连的样本划分为一类，这样就生成了一个聚类类别。关于DBSCAN到底是如何实现聚类的？一个关键