注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. numpy数据分析源代码+大数据的读取_.ipynb

  2. blog链接：https://blog.csdn.net/qq_35456045/article/details/104319408 详细的，有解释的源代码哦 pandas数据处理 1、删除重复元素 使用duplicated()函数检测重复的行，返回元素为布尔类型的Series对象，每个元素对应一行，如果该行不是第一次出现，则元素为True df.duplicated() 返回bool型的值,如果不重复返回false ,有重复值返回Ture 2. 映射 使用replace()函数，

  3. 所属分类：Python

    • 发布日期：2020-02-14
    • 文件大小：603kb
    • 提供者：qq_35456045

  1. 数据的增加与删除.ipynb

  2. 数据的增加与删除 1、在数据中，直接添加列 2、使用df.insert方法在数据中添加一-列 3、掌握drop(labels,axis,inplace= True)的用法 4、labels表示删除的数据, axis表示作用轴inplace= True表示是否对原数据生效,axis=0按行操作, axis= 1按列操作 5、使用del函数直接删除其中一列

  3. 所属分类：Python

    • 发布日期：2020-02-07
    • 文件大小：17kb
    • 提供者：weixin_44947339

  1. Python数据分析题目，知识点.docx

  2. 1、判断题： Python语言是一种高级语言。【对】 2、多选题： Jupyter notebook中运行单元格的方法有哪几种？( ) 选项： A:Enter B:Shift+Enter C:Ctrl+Enter D:F5 答案: 【Shift+Enter;Ctrl+Enter】 3、单选题： Jupyter notebook的记事本文件扩展名为：( ) 选项： A:m B:py C:pyc D:ipynb

  3. 所属分类：互联网

    • 发布日期：2020-08-05
    • 文件大小：34kb
    • 提供者：weixin_43474701

  1. 2.2 数据操作.ipynb

  2. 动手学深度学习 之 tensorflow 的第二章第二节的jupyter notebook的代码部分及其对应标注。需要注意的部分已经加粗。

  3. 所属分类：深度学习

    • 发布日期：2020-08-02
    • 文件大小：23kb
    • 提供者：weixin_45806789

  1. table-detection-源码

  2. 表检测 所有笔记本均在Google合作实验室中运行。 数据准备：table_recognition_data_preprocessing.ipynb用于移动和合并图像文件，同时将表数据重新格式化为文本文件。 对主要的3个数据集执行此操作，以使最终的编译文本文件包含所有3个数据集的数据。 Image_aug.ipynb用于创建重复的膨胀图像和污迹图像，并分别存储。 更快的RCNN：train_baselines.ipynb使用不同大小的内核过滤器训练更快的RCNN模型。 在笔记本的第二个单元

  3. 所属分类：其它

  1. Simple_CICD_CML-源码

  2. 使用说明 0.克隆这个github仓库 创建一个新的CML项目，然后在“ git”选项卡中输入以下URL： : 1.打开一个工作台编辑器会话并运行00_bootstrap.py 此步骤将创建和预填充具有历史客户交互的Spark Table。 数据包含过去的客户交互。 转换属性是二进制分类器的目标。 我们希望根据市场报价来预测客户是否会购买。 2.打开Jupyter Notebooks会话并运行01_ModelDevelopment.ipynb 该笔记本是数据科学家的开发领域。 这是他

  3. 所属分类：其它

  1. Project2-源码

  2. 项目二：使用机器学习模型改进技术交易策略 附加安装： ！pip安装yfinance 项目回购： SSH： ：leongaoleon / Project2.git 档案： Project2_PART1_Returns_Signals_Sentiment.ipynb Project2_PART2_ML.ipynb 返回和Signal.csv 资源 project2.pptx 自述文件 操作说明： （1）Project2_PART1_Returns_Signals_Sentimen

  3. 所属分类：其它

  1. dot-extracting-data-test-源码

  2. 点提取数据测试 作品 目录： ：此文件夹包含从/reports目录中的报告中提取的数据的csv文件 ：此文件夹包含从DOT网站下载的2020和2021年航空旅行消费者报告 档案： DOT_Extraction_Exploration.ipynb ：探索数据提取的Jupyter笔记本文件 extract_dot_data.py ：可以运行的主要python文件，以从DOT中提取有关航空旅行消费者报告的数据 目的 该项目的主要目的是 [1]提取mishandled baggage数据 [2]

  3. 所属分类：其它

    • 发布日期：2021-03-05
    • 文件大小：26mb
    • 提供者：weixin_42151729

  1. SHAEDIT：一种数据查看比较工具，用于NSRL的厚靶质子和重离子加速器实验的结果-源码

  2. SHAEDIT 太空强子加速器实验数据调查工具 这是一款Jupyter笔记本，可方便地查看和比较从入射在厚目标上的中能强子的双微分二次粒子产率测量结果收集的数据。 这些实验测量是在布鲁克海文国家实验室校园的美国宇航局太空辐射实验室进行的。 下载此存储库的内容并在本地启动Jupyter笔记本文件，或通过在线访问此笔记本。 请注意，此网站的加载速度可能很慢（有时需要2分钟以上的时间），或者有时根本无法正常工作。 加载SHAEDIT.ipynb ，单击SHAEDIT.ipynb文件/链接，这将在新选

  3. 所属分类：其它

    • 发布日期：2021-02-27
    • 文件大小：20mb
    • 提供者：weixin_42100188

  1. network_submission2：网络分析提交2-源码

  2. 网络分析提交2 这是对18和19世纪日志的分析。 要运行代码，请将名为“ logbooks.csv”的相应文件（ ）添加到数据目录中，然后运行“ python analysis.py”。 .ipynb是相同的，但提供了逐步了解操作的机会。

  3. 所属分类：其它

  1. 网络抓取挑战：作业12-源码

  2. JB Kinlacheeny-家庭作业12-截止日期：2021年2月1日 网页搜集作业-火星任务 在此作业中，您将构建一个Web应用程序，该应用程序将刮擦各个网站以获取与“火星任务”相关的数据，并将该信息显示在单个HTML页面中。 以下概述了您需要执行的操作。 步骤1-刮 使用Jupyter Notebook，BeautifulSoup，Pandas和Requests / Splinter完成初始刮擦。 创建一个名为mission_to_mars.ipynb的Jupyter Notebook

  3. 所属分类：其它

  1. deepfake-detection：Deepfake检测挑战通过面部或语音操作识别视频-源码

  2. 深度检测 演讲视频 资料夹结构 / audio_model_replacements 此文件夹包含python文件，这些文件将替换Dessa的伪音频模型中的文件。 只需将它们放在原始文件所在的目录中。 要下载Dessa的假音频模型，请按照此处的设置说明进行操作： : /笔记本 此目录包含用于预处理数据以及我们创建的模型的所有变体的Python笔记本。 data-extraction.ipynb：此笔记本用于从Kaggle Deepfake检测挑战中提取/预处理数据。 型号：它们几乎完

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：83mb
    • 提供者：weixin_42128537

  1. learning_python_deepdive-源码

  2. learning_python_deepdive -字符串，打印格式，带有简单程序.py和.ipynb的运算符 -带循环的列表操作 -列表，元组及其操作 -系统输入，字典和设置操作 -Argparse软件包和功能 -OOP概念和itertools分配 -OOP概念和课程 -Numpy软件包及其方法 -熊猫套餐及其系列 -熊猫包装及其数据框 -在数据框架中进行数据切片，第1天是数据可视化 -数据可视化2 -ML和DL的应用 -基本线性回归第一天 -端到端ML项目第1天 从Git url / tgz

  3. 所属分类：其它

  1. Amazon_Vine_Analysis-源码

  2. Amazon_Vine_Analysis 交付品1：对Amazon产品评论执行ETL 交付品1要求 Amazon_Reviews_ETL.ipynb文件执行以下操作： 将Amazon Review数据集提取为DataFrame 提取的数据集将转换为具有正确列的四个DataFrame 所有四个DataFrame在pgAdmin中都加载到它们各自的表中 交付品2：确定藤评的偏见 交付品2要求 该分析执行以下操作： 使用上述三种方法之一为vine_table数据提供一个DataFrame或表

  3. 所属分类：其它

  1. difftda:Gudhi和Tensorflow的持久性差异-源码

  2. 描述 笔记本“ illustrations.ipynb”实现了介绍的实验。它还包含过滤器选择的一个小示例。为了重现本文介绍的过滤器选择所给出的完整结果表，应该启动脚本“ launch_optim_filters.sh”。如果执行此操作，请不要忘记在optim_filters.py的第117行中更新本地路径。 依存关系 我们的代码基于Gudhi库（ ），可以通过在Anaconda环境中运行“ conda install gudhi”进行安装。我们的代码还取决于Tensorflow 2.4.1。

  3. 所属分类：其它