Публикации по теме 'data-visualization'
Каково будущее R?
Один из самых важных вопросов, который пришел мне в голову, когда я решил сделать шаг в мир программирования R, заключается в том, стоит ли изучать этот язык? Следующий вопрос заставил меня провести тщательное исследование карьерных перспектив и будущего R. И, к моему удивлению, я обнаружил, что у R будет блестящее будущее. Ниже я поделился карьерными перспективами, должностными обязанностями и зарплатами R-программистов на основе моего исследования.
R — самый популярный язык,..
Визуализация данных с помощью Python и Seaborn - Часть 6: Графики дополнительных линейных данных (регрессия)
Визуализация данных с помощью Python и Seaborn - Часть 6: Графики дополнительных линейных данных (регрессия)
В этой последней статье о визуализации графиков регрессии мы обсудим несколько других типов графиков, таких как Парный график , и вернемся к дополнительным вариантам использования графиков, которые мы уже рассмотрели, аналогично Сюжет LM . Поскольку регрессия для нас не новая тема, давайте быстро приступим к ее изучению, но перед этим, как всегда, мы сделаем несколько..
Светящиеся безразмерные точки в трех измерениях и другие новые картографические изображения и данные…
Я думаю, что это могло бы произвести революцию в том, как мы отображаем данные.
Введение
Методы, которые я здесь описываю, можно использовать для представления таких объектов, как люди в стране или запасы энергии в стране (представьте плотность энергии ядерного топлива), богатство, биомассу на континенте или бумажные книги в стране. Их также можно использовать для представления процессов или темпов изменений, темпов потребления или производства энергии, создания богатства (ВВП) на..
Обзор исследовательского анализа данных с помощью набора данных Haberman
"Анализ данных"
Обзор исследовательского анализа данных (EDA) с использованием набора данных Haberman
Практическое руководство, чтобы начать анализировать ваши данные.
«Данные будут говорить, если вы готовы слушать» - Джим Бергесон.
При правильном использовании данных можно получить представление и использовать их для множества целей. Необработанным данным не о чем рассказывать. Итак, чтобы понять и получить представление о данных, после процесса сбора данных в игру вступает..
Выбросы в машинном обучении: понимание их влияния на анализ данных
Машинное обучение — это мощный инструмент, который может помочь компаниям извлекать ценную информацию из огромных объемов данных. Тем не менее, это не без проблем. Одной из наиболее серьезных проблем, с которыми сталкиваются специалисты по машинному обучению, является наличие выбросов в их наборах данных.
Выбросы — это точки данных, которые лежат далеко за пределами диапазона большинства точек данных в заданном наборе. Их причиной могут быть ошибки измерения, ошибки ввода данных..
Потоковая передача данных в Power BI с помощью Python
Узнайте, как создать информационную панель в реальном времени за 5 минут!
Привет, мир!
Сегодня мы рассмотрим, как отправлять данные в Power BI в режиме реального времени с помощью Python и API Power BI.
Первое, что нам нужно сделать, это войти в Power BI. Для этого вам понадобится рабочая или учебная учетная запись, но вам не нужна учетная запись PRO или PREMIUM . После того, как вы вошли в систему, нажмите кнопку «Мое рабочее пространство» в левой части экрана:
После этого..
Панды на примере: столбцы
Панды на примере: столбцы
Давайте рассмотрим множество способов выполнения наиболее распространенных операций над столбцами фрейма данных с помощью pandas.
import pandas as pd
Добавление столбцов в фрейм данных
Три самых популярных способа добавления нового столбца: индексирование, loc и assign :
df = pd.DataFrame({"A": [1,2,3],
"B": [2,4,8]})
df["C"] = [1,2,3]
df.loc[:, "D"] = [1,2,3]
df = df.assign(E=[1,2,3])
df..
