腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
数据科学学习手札
记录自己的数据科学学习之路
专栏作者
举报
224
文章
323752
阅读量
87
订阅数
订阅专栏
申请加入专栏
全部文章(224)
python(135)
编程算法(48)
开源(37)
github(36)
https(36)
网络安全(25)
git(20)
numpy(20)
matlab(16)
json(11)
数据结构(11)
数据可视化(10)
机器学习(8)
api(8)
其他(7)
html(7)
数据库(7)
linux(7)
数据分析(7)
函数(7)
数据科学(7)
sql(6)
开发(6)
php(5)
node.js(5)
网站(5)
geopandas(5)
css(4)
神经网络(4)
文件存储(4)
http(4)
markdown(4)
windows(4)
地图(4)
浏览器(4)
tensorflow(3)
scala(3)
深度学习(3)
渲染(3)
爬虫(3)
gis(3)
pandas(3)
插件(3)
对象(3)
高性能(3)
技巧(3)
数据(3)
组件库(3)
云服务器(2)
数据挖掘(2)
javascript(2)
bash(2)
bootstrap(2)
ide(2)
人工智能(2)
xslt & xpath(2)
容器(2)
分布式(2)
自动化(2)
html5(2)
正则表达式(2)
决策树(2)
kernel(2)
anaconda(2)
jupyter notebook(2)
conda(2)
import(2)
output(2)
web(2)
表格(2)
布局(2)
服务(2)
基础(2)
框架(2)
搜索(2)
效率(2)
优化(2)
源码(2)
官方文档(1)
actionscript(1)
r 语言(1)
xml(1)
云数据库 SQL Server(1)
sqlite(1)
postgresql(1)
flask(1)
sqlalchemy(1)
unix(1)
ubuntu(1)
bash 指令(1)
spring(1)
命令行工具(1)
svg(1)
serverless(1)
缓存(1)
spark(1)
sql server(1)
keras(1)
selenium(1)
tcp/ip(1)
scikit-learn(1)
数据处理(1)
nat(1)
processing(1)
unicode(1)
腾讯云图数据可视化(1)
arcgis(1)
build(1)
callback(1)
case(1)
children(1)
dask(1)
db(1)
delay(1)
draw(1)
exception(1)
ggplot2(1)
input(1)
leaflet(1)
list(1)
max(1)
parquet(1)
patch(1)
pip(1)
plotly(1)
postgis(1)
pymongo(1)
qgis(1)
search(1)
shapefile(1)
shapely(1)
spatial(1)
state(1)
uber(1)
union(1)
viewer(1)
百度(1)
百度地图(1)
测试(1)
代码规范(1)
代码质量(1)
高德地图(1)
工具(1)
工作(1)
集合(1)
接口(1)
开发者(1)
科技(1)
可视化(1)
快捷键(1)
连接(1)
前端(1)
权限(1)
入门(1)
事件(1)
系统(1)
研发(1)
字符串(1)
搜索文章
搜索
搜索
关闭
必知必会的8个Python列表技巧
python
数据结构
列表(List)是你使用Python过程中接触最为频繁的数据结构,也是功能最为强大的几种数据结构之一。Python列表非常的万能且蕴含着许多隐藏技巧,下面我们就来探索一些常用的列表技巧。
Feffery
2020-06-28
1.1K
0
(数据科学学习手札79)基于geopandas的空间数据分析——深入浅出分层设色
数据结构
机器学习
https
网络安全
编程算法
通过前面的文章,我们已经对geopandas中的数据结构、坐标参考系、文件IO以及基础可视化有了较为深入的学习,其中在基础可视化那篇文章中我们提到了分层设色地图,可以对与多边形关联的数值属性进行分层,并分别映射不同的填充颜色,但只是开了个头举了个简单的例子,实际数据可视化过程中的分层设色有一套策略方法。
Feffery
2020-03-11
1.7K
0
(数据科学学习手札74)基于geopandas的空间数据分析——数据结构篇
编程算法
数据结构
geopandas是建立在GEOS、GDAL、PROJ等开源地理空间计算相关框架之上的,类似pandas语法风格的空间数据分析Python库,其目标是尽可能地简化Python中的地理空间数据处理,减少对Arcgis、PostGIS等工具的依赖,使得处理地理空间数据变得更加高效简洁,打造纯Python式的空间数据处理工作流。本系列文章就将围绕geopandas及其使用过程中涉及到的其他包进行系统性的介绍说明,每一篇将尽可能全面具体地介绍geopandas对应方面的知识,计划涵盖geopandas的数据结构、投影坐标系管理、文件IO、基础地图制作、集合操作、空间连接与聚合。 作为基于geopandas的空间数据分析系列文章的第一篇,通过本文你将会学习到geopandas中的数据结构。 geopandas的安装和使用需要若干依赖包,如果不事先妥善安装好这些依赖包而直接使用pip install geopandas或conda install geopandas可能会引发依赖包相关错误导致安装失败,官方文档中的推荐安装方式为:
Feffery
2020-02-15
2.7K
0
(数据科学学习手札63)利用pandas读写HDF5文件
html5
python
数据结构
HDF5(Hierarchical Data Formal)是用于存储大规模数值数据的较为理想的存储格式,文件后缀名为h5,存储读取速度非常快,且可在文件内部按照明确的层次存储数据,同一个HDF5可以看做一个高度整合的文件夹,其内部可存放不同类型的数据。在Python中操纵HDF5文件的方式主要有两种,一是利用pandas中内建的一系列HDF5文件操作相关的方法来将pandas中的数据结构保存在HDF5文件中,二是利用h5py模块来完成从Python原生数据结构向HDF5格式的保存,本文就将针对pandas中读写HDF5文件的方法进行介绍。
Feffery
2019-07-08
1.9K
0
(数据科学学习手札63)利用pandas读写HDF5文件
html5
python
数据结构
HDF5(Hierarchical Data Formal)是用于存储大规模数值数据的较为理想的存储格式,文件后缀名为h5,存储读取速度非常快,且可在文件内部按照明确的层次存储数据,同一个HDF5可以看做一个高度整合的文件夹,其内部可存放不同类型的数据。在Python中操纵HDF5文件的方式主要有两种,一是利用pandas中内建的一系列HDF5文件操作相关的方法来将pandas中的数据结构保存在HDF5文件中,二是利用h5py模块来完成从Python原生数据结构向HDF5格式的保存,本文就将针对pandas中读写HDF5文件的方法进行介绍。
Feffery
2019-07-06
1.2K
0
(数据科学学习手札14)Mean-Shift聚类法简单介绍及Python实现
编程算法
python
数据结构
不管之前介绍的K-means还是K-medoids聚类,都得事先确定聚类簇的个数,而且肘部法则也并不是万能的,总会遇到难以抉择的情况,而本篇将要介绍的Mean-Shift聚类法就可以自动确定k的个数,下面简要介绍一下其算法流程: 1.随机确定样本空间内一个半径确定的高维球及其球心; 2.求该高维球内质心,并将高维球的球心移动至该质心处; 3.重复2,直到高维球内的密度随着继续的球心滑动变化低于设定的阈值,算法结束 具体的原理可以参考下面的地址,笔者读完觉得说的比较明了易懂: http://blo
Feffery
2018-04-17
1.5K
0
(数据科学学习手札12)K-means聚类实战(基于R)
数据结构
python
上一篇我们详细介绍了普通的K-means聚类法在Python和R中各自的实现方法,本篇便以实际工作中遇到的数据集为例进行实战说明。 数据说明: 本次实战样本数据集来自浪潮集团提供的美团的商家信息,因涉及知识产权问题恕难以提供数据地址; 我选择的三个维度的数值型数据分别为“商家评分”,“商家评论数”,“本月销售额”,因为数值极差较大,故对原数据先进行去缺省值-标准化处理,再转为矩阵形式输入K-means算法之中,经Rtsne对原数据进行降维后具体代码和可视化聚类效果如下: rm(list=ls()) libr
Feffery
2018-04-17
603
0
(数据科学学习手札07)R在数据框操作上方法的总结(初级篇)
python
数据结构
上篇我们了解了Python中pandas内封装的关于数据框的常用操作方法,而作为专为数据科学而生的一门语言,R在数据框的操作上则更为丰富精彩,本篇就R处理数据框的常用方法进行总结: 1.数据框的生成 利用data.frame()函数来创建数据框,其常用参数如下: ...:数据框的构成向量的变量名,顺序即为生成的数据框列的顺序 row.names:对每一行命名的向量 stringAsFactors:是否将数据框中字符型数据类型转换为因子型,默认为FALSE > a <- 1:10 > b <- 10:1 >
Feffery
2018-04-17
1.4K
0
(数据科学学习手札06)Python在数据框操作上的总结(初级篇)
python
数据结构
数据框(Dataframe)作为一种十分标准的数据结构,是数据分析中最常用的数据结构,在Python和R中各有对数据框的不同定义和操作。 Python 本文涉及Python数据框,为了更好的视觉效果,使用jupyter notebook作为演示的编辑器;Python中的数据框相关功能集成在数据分析相关包pandas中,下面对一些常用的关于数据框的知识进行说明: 1.数据框的创建 import pandas as pd from numpy import random a = [i for i in rang
Feffery
2018-04-17
14.2K
0
(数据科学学习手札02)Python与R在循环语句与条件语句上的异同
python
数据结构
循环是任何一种编程语言的基本设置,是进行批量操作的基础,而条件语句是进行分支运算的基础,Python与R有着各自不同的循环语句与条件语句语法,也存在着一些相同的地方。 Python 1.for循环 '''通过for循环对列表进行遍历''' list1 = [i for i in range(10)] for i in range(10): print(list1[i]) 0 1 2 3 4 5 6 7 8 9 '''通过for循环对集合进行遍历''' set1 = set([i for i in
Feffery
2018-04-17
2K
0
(数据科学学习手札01)Python与R基本数据结构之异同
python
数据结构
Python 1.列表(list) list1 = [i for i in range(10)] list1 [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] 特点:可遍历,可索引,可切片 列表的遍历: 方式1: for i in range(len(list1)): print(list1[i]) 方式2: list1 = [i+1 for i in range(10)] for i,j in enumerate(list1): print(i,j) 0 1 1 2 2 3
Feffery
2018-04-17
761
0
没有更多了
社区活动
腾讯技术创作狂欢月
“码”上创作 21 天,分 10000 元奖品池!
立即发文
Python精品学习库
代码在线跑,知识轻松学
立即查看
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
立即体验
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
立即查看
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档