展开

关键词

kaggle泰坦尼克号幸存预测问题(入全球前10%)

,axis2) = plt.subplots(1,2,figsize=(15,5))sns.barplot(Sex, Survived, data=X_train, ax=axis1) sns.barplot 1Major. 1Master. 27Miss. 126Mlle. 1Mme. 1Mr. 365Mrs. 87Rev. 5the 1Name: Survived, dtype: int64fig, (axis1 S 0 1 1 0 0 0 X_train = X_train.apply(lambda x: len(x))X_test = X_test.apply(lambda x: len(x))fig, (axis1 ) = plt.subplots(1,2,figsize=(20,10))sns.barplot(Name_len, Survived, data=X_train.sort_values(), ax=axis1 (15,5))sns.barplot(Ticket_First_Letter, Survived, data=X_train.sort_values(Ticket_First_Letter), ax=axis1

53630

numpy常见运算

)print axis0print axis0.shape ]] (1, 2, 3)row = rowsprint row,row.shapeprint rows.shape ]] (1, 2, 3)axis1 = np.expand_dims(rows, axis=1)print axis1,axis1.shaperow = rowsprint row,row.shape] ]] (2, 1, 3)] ]] (2, 1, 3)axis1 = np.expand_dims(rows, axis=2)print axis1,axis1.shaperow = rowsprint row,row.shape ]

26830
  • 广告
    关闭

    90+款云产品免费体验

    提供包括云服务器,云数据库在内的90+款云计算产品。打造一站式的云产品试用服务,助力开发者和企业零门槛上云。

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    泰坦尼克号之生存预测(2)

    将交叉验证集数据进行上述方法操作sns.barplot(Cabin_First_Letter, Survived, data=X_train.sort_values(Cabin_First_Letter), ax=axis1 pd.get_dummies(columns = , data = tannike_test) 【登陆港口与生存】由于登录港口数据已经在前一节的缺失值处理掉了,这里便可以直接对交叉验证集数据可视化:fig, (axis1 plt.subplots(1,2,figsize=(15,5))sns.barplot(Embarked, Survived, data=X_train.sort_values(Embarked), ax=axis1 X_train = X_train + X_train X_test = X_test + X_test 可视化:fig, (axis1,axis2) = plt.subplots(1,2,figsize =(15,5))sns.barplot(Fam_Size, Survived, data=X_train.sort_values(Parch), ax=axis1) sns.barplot(Fam_Size

    21910

    数据挖掘从入门到放弃(五)seaborn 的数据可视化

    fig,(axis1,axis2,axis3) = plt.subplots(1,3,figsize=(15,5))sns.countplot(x=sex, data=tips, ax=axis1)# # countplot() 中x和y只能指定一个,指定x轴则y轴展示数量,指定y轴则x轴展示数量fig,(axis1,axis2,axis3) = plt.subplots(1,3,figsize=(15,5 ))sns.countplot(y=sex, data=tips, ax=axis1)sns.countplot(y=sex, hue=time, data=tips, order=, ax=axis2 3、两个变量的散点图:scatterplot()# countplot() 中x和y只能指定一个,指定x轴则y轴展示数量,指定y轴则x轴展示数量fig,(axis1,axis2,axis3) = plt.subplots (1,3,figsize=(15,5))sns.countplot(y=sex, data=tips, ax=axis1)sns.countplot(y=sex, hue=time, data=tips

    34350

    SAS进阶《深入分析SAS》之数据汇总和展现

    通过GPLOT过程制作图行分组变量 axis1 order=(18900 to 18960 by 5); axis2 order=(9000 to 20000 by 1000); minor=(color Yearly Amount in North America; footnote j = r Optimization Solution Co.Ltd; plot Sales*Date=Emp_IDhaxis=axis1

    278100

    详解Numpy中的数组拼接、合并操作

    直观上可以根据符号“”的层数来判断,有m层即为m维,最外面1层对应axis0, 依次为axis1,axis2…>>> a = np.array() >>> a.ndim # 一维数组 1 >>> a.shape array的shape需要一致,当然如果array在拼接axis方向的size不一样,也可以完成 >>> np.concatenate((ar1, ar3)) # ar3虽然在axis0方向的长度不一致,但axis1 # 增加第一个维度(axis0,之后的axis向后顺延:0—>1, 1—>2) array(, ], , ]]) >>> np.stack((ar1, ar2), axis=1) # 增加第二个维度(axis1 向后顺延, 1—>2) array(, ], , ]]) >>> np.stack((ar1, ar2), axis=2) # 增加第三个维度(axis2,和axis=-1的效果一样,原来的axis0和axis1

    1.4K20

    初探numpy——广播和数组操作函数

    a_array.T)a_array: ]使用transpose后: ]使用.T转置后: ]numpy.swapaxesnumpy用于交换数组两个轴的函数numpy.swapaxes(arr , axis1 , axis2)参数描述arr输入数组axis1对应数组第一个轴axis2对应数组第二个轴array=np.arange(8).reshape(2,2,2)print(array) # 交换第零个轴和第二个轴

    20910

    Annotate Facility之森林图

    anno4;run;设置坐标属性,通过Marker Font来实现菱形显示DIFF的值,代码如下:*图形属性*symbol1 i=none v=p c=black f=marker h=1; *坐标轴*axis1 50cm vsize=16cm noborder; *画图*ods listing close;proc gplot data=demo; plot ORD*DIFFhaxis=axis2 vaxis=axis1

    21830

    JAVA开发Web Service几种框架介绍

    XFire与Axis1性能的比较 1、XFire比Axis1.3快2-6倍 2、XFire的响应时间是Axis1.3的12到15 XFire与Axis2的比较 虽然XFire与Axis2都是新一代的WebService Axis2是从Axis1.x系列发展而来。而CXF则是XFire和Celtix项目的结合产品。Axis2是从底层全部重新实现,使用了新的扩展性更好模块架构。 如果应用程序是遵循 Spring 哲学路线的话,Apache CXF 是一种更好的选择,特别对嵌入式的 Web Services 来说; 3、如果应用程序没有新的特性需要的话,就仍是用原来项目所用的框架,比如 Axis1 如果你觉得这两个框架的新特性对于你并没有太大的用处,你会觉得Axis1也是不错的选择,你应该继续使用它直到你有充分的理由去更换它。

    1.2K80

    ggalluvial做图

    做出泰坦尼克号的生还率与性别和舱位分类的关系图:ggplot(as.data.frame(Titanic), aes(y = Freq, axis1 = Survived, axis2 = Sex, axis3

    25020

    Pandas,让Python像R一样处理数据,但快

    h5ls(test.hdf5) group name otype dclass dim 0 FPKM H5I_GROUP 1 FPKM axis0 H5I_DATASET STRING 3 2 FPKM axis1 FPKM block0_values H5I_DATASET FLOAT x 25135 5 TPM H5I_GROUP 6 TPM axis0 H5I_DATASET STRING 3 7 TPM axis1 values H5I_DATASET FLOAT x 24025 10 ens2syn H5I_GROUP 11 ens2syn axis0 H5I_DATASET STRING 1 12 ens2syn axis1 ens2syn block0_values H5I_DATASET VLEN 1 15 meta H5I_GROUP 16 meta axis0 H5I_DATASET STRING 47 17 meta axis1 = h5read(test.hdf5, TPM) > str(TPM) List of 4 $ axis0 : chr ENCFF673KYR ENCFF805ZGF ENCFF581ZEU $ axis1

    44350

    Pandas使用 (一)

    h5ls(test.hdf5) group name otype dclass dim 0 FPKM H5I_GROUP 1 FPKM axis0 H5I_DATASET STRING 3 2 FPKM axis1 FPKM block0_values H5I_DATASET FLOAT x 25135 5 TPM H5I_GROUP 6 TPM axis0 H5I_DATASET STRING 3 7 TPM axis1 values H5I_DATASET FLOAT x 24025 10 ens2syn H5I_GROUP 11 ens2syn axis0 H5I_DATASET STRING 1 12 ens2syn axis1 ens2syn block0_values H5I_DATASET VLEN 1 15 meta H5I_GROUP 16 meta axis0 H5I_DATASET STRING 47 17 meta axis1 = h5read(test.hdf5, TPM) > str(TPM) List of 4 $ axis0 : chr ENCFF673KYR ENCFF805ZGF ENCFF581ZEU $ axis1

    86890

    Annotate Facility之生存曲线

    接下来就是设置坐标和图例的属性了,程序如下:*曲线属性*symbol1 c=black l=1 w=1 v=none i=steplj;symbol2 c=blue l=3 w=1 v=none i=steplj; *坐标轴*axis1 close;proc gplot data=demo(where=(not missing(SURVIVAL))); plot SURVIVAL*TIME=TRT haxis=axis2 vaxis=axis1

    25550

    numpy.ndarray

    elements along given axis. sum() Return the sum of the array elements over the given axis. swapaxes(axis1 , axis2) Return a view of the array with axis1 and axis2 interchanged. take(indices) Return an array

    28220

    VR开发--HTC Vive基础(1):按键操作

    Debug.Log(Axis0); } 按下扳机键的时候打印 if (device.GetTouchDown(SteamVR_Controller.ButtonMask.Axis1)) { Debug.Log(Axis1

    34820

    数据挖掘从入门到放弃(六):K-means 聚类

    Users71781Desktop2020ML-20200422K-meansdata=pd.read_csv(URL+xigua.csv)data.head()data.describe()fig,(axis1 ,axis2) = plt.subplots(1,2,figsize=(10,3))sns.distplot(data,ax=axis1)sns.distplot(data,ax=axis2)sns_test

    22730

    数据挖掘从入门到放弃(五):K-means 聚类

    Users71781Desktop2020ML-20200422K-meansdata=pd.read_csv(URL+xigua.csv)data.head()data.describe()fig,(axis1 ,axis2) = plt.subplots(1,2,figsize=(10,3))sns.distplot(data,ax=axis1)sns.distplot(data,ax=axis2)sns_test

    6220

    java来做Web Service,用哪个框架最好?

    如果应用程序是遵循 Spring 哲学路线的话,Apache CXF 是一种更好的选择,特别对嵌入式的 Web Services 来说; 3、如果应用程序没有新的特性需要的话,就仍是用原来项目所用的框架,比如 Axis1

    336110

    ggplot2 图层

    install.packages(ggalluvial) library(ggalluvial) ggplot(as.data.frame(UCBAdmissions), aes(y = Freq, axis1

    5710

    Java主流Web Service框架介绍:CXF和Axis2

    Axis2是从Axis1.x系列发展而来。CXF则是XFire和Celtix项目的结合产品。Axis2是从底层全部重新实现,使用了新的扩展性更好模块架构。  如果你觉得这两个框架的新特性对于你并没有太大的用处,你会觉得Axis1也是不错的选择,你应该继续使用它知道你有充分的理由去更换它。

    1.4K50

    扫码关注云+社区

    领取腾讯云代金券