线性回归实战【房价预测】
本文属于 线性回归算法【AIoT阶段三】（尚未更新），这里截取自其中一段内容，方便读者理解和根据需求快速阅读。本文通过公式推导+代码两个方面同时进行，因为涉及到代码的编译运行，如果你没有 NumPyNumPy，PandasPandas，MatplotlibMatplotlib 的基础，建议先修文章：
pandas plot绘图详解：一文教会你各种绘图
pandas.DataFrame.plot绘图详解一、介绍1.1 参数介绍1.2 其他常用说明二、举例说明2.1 折线图 line2.2 条形图 bar三、其他格式3.1 使用误差线进行绘图一、介绍使用pandas.DataFrame的plot方法绘制图像会按照数据的每一列绘制一条曲线，默认按照列c
【第001篇-开篇：参考书目录】
环境统计学的入门学习参考书，以及阅读顺序建议。
数据科学家VS大数据专家VS数据分析师：有什么不同？
经常听到数据科学家、大数据专家、数据分析师，这3个职业乍一听，感觉是一个意思，但实际上，它们是不同的岗位，需要不同的技术，应用到不同的领域。
pandas使用isna函数和any函数判断dataframe中的每一个数据列中是否包含缺失值
pandas使用isna函数和any函数判断dataframe中的每一个数据列中是否包含缺失值（check if column contains any missing values in dataframe）
如何在工作中提高pandas运行速率？【超实用方法整理】
几种提升pandas运行速率的实用方法。
数据分析 -- Pandas①
目录Pandas简介Pandas中的两个主要数据结构Series创建访问DataFrame创建列的查改增删查看列修改列新增列删除列导入/导出 表格文件以及常规操作head()方法tail()方法info()方法describe()方法sort_values()方法继承自Series的方法重要：到底如
Matplotlib数据可视化入门
本文其实属于：Python的进阶之道【AIoT阶段一】的一部分内容，本篇把这部分内容单独截取出来，方便大家的观看，本文介绍 Matplotlib数据可视化，后续还会单独发一篇Matplotlib数据可视化高级以及Matplotlib数据可视化进阶内容供读者学习。在数据分析与机器学习中，我们经常要用到
大数据分析-零基础学Tableau+超详细讲解+示例练习（三）
零基础学Tableau+超详细讲解+示例练习（三）：凸显表、树形图、气泡图、词云图绘制
大数据分析-零基础学Tableau+超详细讲解+示例练习（二）
零基础学Tableau+超详细讲解+示例练习（二）：折线图饼图环形图
Numpy 高级
本文其实属于：Python的进阶之道【AIoT阶段一】的一部分内容，本篇把这部分内容单独截取出来，方便大家的观看，本文介绍 NumPy 高级，学习之前需要学习：NumPy入门，关于NumPy和jupyter的安装在 NumPy入门一文中也有想详细的介绍
利用seaborn画带数值分布的箱型图
多类别箱型图，分类数据可视化、利用python的seaborn
数据变异性的度量 - 极差、IQR、方差和标准偏差
variability被称作变异性或者可变性，它描述了数据点彼此之间以及距分布中心的距离。它告诉你点是倾向于聚集在中心周围还是更广泛地分散。
pandas这么多实用又常用的技能，还不快快收藏起来
自从我整理完这两篇关于pandas的博文之后，我从博文的阅读以及收藏的数据中不难得知，大家对于这类实用性的博文的认可，同时我自己在工作中有时也会发现，即使我整理了这么多有关于pandas的内容，但或多或少还是会遗漏一些知识点，毕竟pandas实在是太多实用的功能了。那么今天这篇博文呢，我进一步整理了
一文速览-数据分析基本思维以及方法
前言数据分析个人认为可以算是逻辑思维的分流强化型应用，了解了逻辑和基本思维方法其他方法基本大同小异，有些许其区别。个人最近有些空闲时光正好抓紧学习一波数据分析基本思维做建模的时候好思维逻辑清晰。本文仅供参考。提示：以下是本篇文章正文内容，下面案例可供参考一、数据分析的基本概念数据分析是指用适当的统计
数据分析基础——数据规整
一.数据连接pd.merge(left,right)将left和right进行含相同的部分进行合并，然后进行连接pd.merge(left,right,one=['key1','key2'])指定多个键进行合并pd.merge(left,right,how='outer',one=['key1','
pandas使用stack函数、map函数、unstack函数以及字典同时替换dataframe多个数据列的内容
pandas使用stack函数、map函数、unstack函数以及字典同时替换dataframe多个数据列的内容目录pandas使用stack函数、map函数、unstack函数以及字典同时替换dataframe多个数据列的内容#仿真数据#数据内容替换使用的字典#stack函数将数据堆叠起来#sta
R语言进行dataframe数据左连接（Left join）：使用R原生方法、data.table、dplyr等方案
R语言进行dataframe数据左连接（Left join）：使用R原生方法、data.table、dplyr等方案
