【知识准备】 探索性数据分析的基本原理和方法；Python语言及相关包的运用；Pandas；Numpy；Matplotlib；Seaborn；Scikit-Leart。 【实训要求】 1、观察样本数据的结构和数据特征； 2、读取样本数据，观察样本数据结构和头尾各10行数据； 3、对样本数据进行分析，找出业务数据中的分布规律； 4、用可视化方法对分析结果进行展示。 5、观察并找出每个特征的样本数据的缺失值和异常值等并提出解决办法； 6、对样本数据进行预处理； 7、采集样本数据存入HBase数据库（

Jupyter 使用列表实现筛选法求素数 使用列表实现筛选法求素数可以极大的提高计算机的运算速率。 maxNumber = int(input("请输入一个大于2的自然数：")) lst = list(range(2,maxNumber)) #最大整数的平方根 m = int(maxNumber**0.5) for index , value in enumerate(lst): #如果当前数字已大于整数的平凡根，结束判断 if value > m: bre

可爱的项目 作为CUNY SPS数据科学硕士计划的一部分，已完成了一系列个人和协作数据科学与机器学习工作。 R，Python，Jupyter笔记本，使用Dash部署的应用，RShiny 应用程序，仪表板和可视化 screener -Coinbasepro API的Dash应用程序界面，带有交互式图形和筛选器表。 一个Dash应用程序，使用来自纽约市街头树木普查的数据评估树木的健康状况。 app-一个RShiny应用程序，通过健康状况探索美国各州的粗死亡率。 通过关注设计原则的ggp

完整的数据科学工具包 该工具包的总体目标是提供和提供免费的数据分析和机器学习集合，这些集合特别适合进行数据科学。 它的目的是让您在短短的几分钟内开始。 您可以在Jupyter Notebook或python中单独运行此集合。 产品特点 机器学习 交叉验证 评估分类指标 评估聚类指标 评估回归指标 网格搜索 预处理编码分类特征 预处理二值化 预处理插补缺失值 预处理标准化 预处理StandardScaler 随机参数优化 脾气暴躁的 添加，删除和拆分阵列 排序数组 矩阵对象 统计向量数学 结构化