Aus dem Kurs: Machine Learning in der Praxis: Marketing
So erhalten Sie Zugriff auf diesen Kurs
Werden Sie noch heute Mitglied und erhalten Sie Zugriff auf mehr als 23.100 Kurse von Branchenfachleuten.
Pandas-Funktionen zur Untersuchung von Daten
Aus dem Kurs: Machine Learning in der Praxis: Marketing
Pandas-Funktionen zur Untersuchung von Daten
Beginnen wir nun, unsere Daten zu verstehen. Für jede Spalte eines Datenrahmens zeigt der Aufruf von Dataframename.Columnname.Unique die Anzahl der eindeutigen Werte für diese Spalte an. Wir können dies für die Spalten CustomerID und InvoiceNumber verwenden, um herauszufinden, wie viele Kunden und Transaktionen unsere Daten enthalten. Die Funktion Describe zeigt deskriptive Statistiken über alle nummerischen Spalten in einem Datenrahmen an. In unserem Fall würde dies neben anderen Spalten auch die Spalte CustomerID umfassen, die für uns nicht interessant ist. Daher habe ich die Funktion describe angewiesen, nur mit den Spalten Quantity und UnitPrice zu arbeiten. Außerdem habe ich die Funktion round mit einem Wert von eingefügt, so dass alle Zahlen auf 3 Dezimalstellen gerundet werden. Ich finde, das macht die Ergebnisse einfacher zu lesen. Es hat sich herausgestellt, dass unsere Daten etwa 4.000 Kunden und 22.000 Transaktionen haben. Sie können die Ausgabe der Funktion describe wie…
Inhalt
-
-
-
-
(Gesperrt)
Pandas-Funktionen zur Untersuchung von Daten3 Min. 4 Sek.
-
(Gesperrt)
Daten mit Pandas Query abfragen1 Min. 56 Sek.
-
(Gesperrt)
Daten in temporären Pipelines manipulieren2 Min. 47 Sek.
-
(Gesperrt)
Nach bestimmten Werten mit Indexierung und isnumeric() suchen4 Min. 31 Sek.
-
Challenge: Python-Pipelines3 Min. 47 Sek.
-
(Gesperrt)
Solution: Python-Pipelines2 Min. 49 Sek.
-
(Gesperrt)
Selbst definierte Funktionen und die Wichtigkeit von Domänenwissen3 Min. 3 Sek.
-
(Gesperrt)
Lambda-Funktionen auf Pandas-Datenframes anwenden5 Min. 46 Sek.
-
(Gesperrt)
Einführung in Plotly und Plotly-Graph-Objekte6 Min. 43 Sek.
-
(Gesperrt)
Challenge: Daten mit Ihren eigenen Plotly-Funktionen visualisieren1 Min. 11 Sek.
-
(Gesperrt)
Solution: Daten mit eigenen Plotly-Funktionen visualisieren2 Min. 9 Sek.
-
(Gesperrt)
-
-
-
-
-