Публикации по теме 'pandas'


Корреляция расхода топлива с наружной температурой.
Fuelly.com позволяет своим пользователям сохранять свой пробег каждый раз, когда они заливают немного топлива в машину. Таким образом, сайт рассчитывает пройденное вами расстояние и использованное топливо. Таким образом, он показывает вам красивую диаграмму вашего расхода топлива в течение многих лет. Я изучаю Python и машинное обучение, и мне нужны данные для экспериментов. Поэтому я загрузил свои собственные данные о потреблении из Fuelly с 2010 года. Я знаю, что расход топлива..
Руководство по эффективному выбору данных в пандах
Повышение производительности при выборе данных из объекта pandas Введение Существуют разные способы выбора подмножества данных из объекта pandas. В зависимости от конкретной операции результатом будет либо представление, указывающее на исходные данные, либо копия исходных данных. Это напрямую связано с эффективностью операции. Правила копирования и просмотра частично основаны на правилах расширенного индексирования NumPy . Мы рассмотрим различные операции и способы максимального..
5 простых способов повысить эффективность вашего скрипта Python
Разговор о хороших практиках Python, которые улучшат наши коды «Python — неэффективный язык, медленный», — говорят они. Хотя это верно, если мы сравним его со старой школой C и компанией, это не означает, что мы не можем использовать способы повышения эффективности нашего кода Python.
Попрощайтесь с пандами : знакомство с полярами
Молниеносная библиотека DataFrame для Python Polars — это высокопроизводительная библиотека DataFrame для управления структурированными данными. Ядро написано на Rust, но библиотека доступна на Python, Rust и NodeJS. Его ключевые особенности: Быстро : Polars написан с нуля, разработан близко к машине и без внешних зависимостей. Ввод-вывод : первоклассная поддержка всех распространенных уровней хранения данных: локального, облачного хранилища и баз данных. Простота в..
Панда встречает Пирроу? Мечта специалистов по данным сбылась
Панда встречает Пирроу? Мечта специалистов по данным сбылась Как специалист по данным, вы постоянно ищете способы улучшить свой рабочий процесс и сделать свои задачи по обработке данных более эффективными. В последнем выпуске Pandas встроенная поддержка Pyarrow была включена в API. PyArrow — это библиотека Python для работы со структурами памяти Apache Arrow, и большинство операций pandas были обновлены для использования вычислительных функций PyArrow (продолжайте читать, чтобы..
Pitch Predict - Часть 1
Использование машинного обучения для прогнозирования следующего шага Это часть 1 из 3 в серии сообщений, посвященных работе из недавнего проекта Data Science в Lambda School. Проект github repo можно найти здесь . Чтобы получить некоторый опыт работы с Plotly Dash , я также создал приложение для панели инструментов здесь . Часть 2 этой серии можно найти здесь , а часть 3 - здесь . Вступление Общее описание проекта и наших целей Задача попасть в бейсбольный мяч на уровне..
Руководство по рабочему процессу машинного обучения
Мы все в какой-то момент слышали о машинном обучении или, возможно, видели, как оно выполняется в реальных сценариях, таких как прогнозирование заболеваний или классификация изображений и т. д., и средства массовой информации рекламируют его как нечто, что может революционизировать весь процесс автоматизации в отраслях. . Это напоминает мне цитату, которую процитировал Эндрю Нг в своем курсе специализации по глубокому обучению на Coursera. «ИИ — это новое электричество 21 века» Так..