知识卡片

普通读书笔记卡 · 6338

筛选后统计需重定分母

理解等级:中级

先去掉没有agent的记录,再分析操作系统与时区,得到的是这个筛选后的样本。此前对所有记录的频数不能不加说明地与它混用;每个比例都应说明以哪些记录为分母。排除是为了能执行分类,并不证明被排除记录与保留记录具有相同分布。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 3 处

    • · 查看原书依据

      frame[frame.a.notnull()] 其次根据a值计算出各行是否是Windows: In [309]: operating_system = np.where(cframe['a'].str.contains('Windows'), ...: 'Windows', 'Not Windows') In [310]: operating_system

    • · 查看原书依据

      table.sum(1), axis=0) In [423]: table.tail() Out[423]: sex F M year 2006 1 NaN 2007 1 NaN 2008 1 NaN 2009 1 NaN 2010 1 NaN 现在,我们就可以轻松绘制一张分性别的年度曲线图了(如图2-10所示): In [425]: table.plot(

    • · 查看原书依据

      party_counts.ix[:, 2:5] 图8-16:DataFrame柱状图示例 图8-17:DataFrame堆积柱状图示例 然后进行规格化,使得各行的和为1(必须转换成浮点数,以避免Python 2.7中的整数除法问题),并生成图表(如图8-18所示): # 规格化成“和为1” In [72]: party_pcts = party_counts

    参考来源

    - 位置:《利用Python进行数据分析》第2章《用pandas对时区进行计数》(spine257;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0243.html;u033-ch02-007)。 - 结论依据:原文在“frame[frame.a.notnull()]”附近的定义、例子或代码支撑本卡核心说明:先去掉没有agent的记录,再分析操作系统与时区,得到的是这个筛选后的样本。边界按已读前提解释;示例未执行。 - 原始内容:frame[frame.a.notnull()] 其次根据a值计算出各行是否是Windows: In [309]: operating_system = np.where(cframe['a'].str.contains('Windows'), ...: 'Windows', 'Not Windows') In [310]: operating_system - 位置:《利用Python进行数据分析》第2章《变成女孩名字的男孩名字(以及相反的情况)》(spine259;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0245.html;u040-ch02-007)。 - 结论依据:这里每年按已筛出的lesl型热门姓名人数归一化,分母不是全体出生人数,也不是该名字全部低频记录。 - 原始内容:table.sum(1), axis=0) In [423]: table.tail() Out[423]: sex F M year 2006 1 NaN 2007 1 NaN 2008 1 NaN 2009 1 NaN 2010 1 NaN 现在,我们就可以轻松绘制一张分性别的年度曲线图了(如图2-10所示): In [425]: table.plot( - 位置:《利用Python进行数据分析》第8章《柱状图》(spine299;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0285.html;u181-ch02-007)。 - 结论依据:先排除1人和6人聚会再行归一化,分母只覆盖2–5人,不能称为所有聚会规模百分比。 - 原始内容:party_counts.ix[:, 2:5] 图8-16:DataFrame柱状图示例 图8-17:DataFrame堆积柱状图示例 然后进行规格化,使得各行的和为1(必须转换成浮点数,以避免Python 2.7中的整数除法问题),并生成图表(如图8-18所示): # 规格化成“和为1” In [72]: party_pcts = party_counts