Skip to content

Commit b53d58f

Browse files
committed
更正了文档中的数学公式
1 parent a4355b8 commit b53d58f

37 files changed

+35
-7
lines changed

Day66-70/66.数据分析概述.md

+3-5
Original file line numberDiff line numberDiff line change
@@ -195,12 +195,10 @@ Notebook是基于网页的用于交互计算的应用程序,可以用于代码
195195
$
196196

197197
- **分位数**:将一个随机变量的概率分布范围分为几个具有相同概率的连续区间,比如最常见的中位数(二分位数,median),就是将数据集划分为数量相等的上下两个部分。除此之外,常见的分位数还有四分位数(quartile)、百分位数(percentile)等。
198-
198+
199199
- 中位数:
200-
$
201-
{Q}_{\frac {1}{2}}(x)={\begin{cases}x'_{\frac{n+1}{2}},&n是奇数\\{\frac {1}{2}}(x'_{\frac{n}{2}}+x'_{{\frac{n}{2}}+1}),&n是偶数\end{cases}}
202-
$
203-
200+
${Q}_{\frac {1}{2}}(x)={\begin{cases}x'_{\frac{n+1}{2}},&{n是奇数}\\{\frac {1}{2}}(x'_{\frac{n}{2}}+x'_{{\frac{n}{2}}+1}),&{n是偶数}\end{cases}}$
201+
204202
- 四分位数:
205203

206204
**第一四分位数**($Q_1$),又称**较小四分位数****下四分位数**,等于该样本中所有数值由小到大排列后第25%的数字。

Day66-70/67.NumPy的应用.md

+14-2
Original file line numberDiff line numberDiff line change
@@ -7,12 +7,24 @@ Numpy最为核心的数据类型是`ndarray`,使用`ndarray`可以处理一维
77
### 创建数组对象
88

99
1. 一维数组
10+
- 方法一:使用array函数,通过list创建数组对象
11+
- 方法二:使用arange函数,指定取值范围创建数组对象
12+
- 方法三:使用linspace函数,用指定范围均匀间隔的数字创建数组对象
13+
- 方法四:使用numpy.random模块的函数生成随机数创建数组对象
1014
2. 二维数组
11-
3. 多维数组
15+
- 方法一:使用array函数,通过嵌套的list创建数组对象
16+
- 方法二:使用zeros、ones、full函数指定数组的形状创建数组对象
17+
- 方法三:使用eye函数创建单位矩阵
18+
- 方法四:通过reshape将一维数组变成二维数组
19+
- 方法五:通过numpy.random模块的函数生成随机数创建数组对象
20+
3. 多维数组:跟上面的情况相似,可以通过下面的例子进行了解。
1221

1322
### 数组对象基本属性
1423

15-
24+
1. size属性:元素个数
25+
2. shape属性:数组的形状
26+
3. dtype属性:元素的数据类型
27+
4. ndim属性:数组的维度
1628

1729
### 数组对象常用方法
1830

Day66-70/69.数据可视化.md

+6
Original file line numberDiff line numberDiff line change
@@ -24,6 +24,12 @@ from matplotlib import pyplot as plt
2424
%matplotlib inline
2525
```
2626

27+
通过下面的魔法指令,可以生成矢量图(SVG)。
28+
29+
```Python
30+
%config InlineBackend.figure_format='svg'
31+
```
32+
2733
#### 绘图的流程
2834

2935
1. 创建画布
+12
Original file line numberDiff line numberDiff line change
@@ -1,2 +1,14 @@
11
## 数据分析项目实战
22

3+
### 2020年北京积分落户分析
4+
5+
6+
7+
### 某招聘网站招聘数据分析
8+
9+
10+
11+
### 某电商网站订单数据分析
12+
13+
14+
-59.6 KB
Loading
-83.8 KB
Loading
-99.6 KB
Loading
-23.3 KB
Loading
-39.8 KB
Loading
-110 KB
Loading
-26 KB
Loading
-13.4 KB
Loading
-45.8 KB
Loading
-19.9 KB
Loading
-15.5 KB
Loading
-18.5 KB
Loading
-67.2 KB
Loading
-81.5 KB
Loading
-23.7 KB
Loading
-18.4 KB
Loading
-90.4 KB
Loading
-22.8 KB
Loading
-66.2 KB
Loading
-12.8 KB
Loading
-19.1 KB
Loading
-109 KB
Loading

Day66-70/res/[email protected]

-21.6 KB
Loading

Day66-70/res/download-anaconda.png

-102 KB
Loading

Day66-70/res/install-anaconda.png

-62.1 KB
Loading
-111 KB
Loading

Day66-70/res/notebook-get-help.png

-67.2 KB
Loading
-94.5 KB
Loading
-43.6 KB
Loading

Day66-70/res/notebook-shortcut.png

-64.1 KB
Loading

Day66-70/res/quartile_and_3sigma.png

-17 KB
Loading
-128 KB
Loading

Day66-70/res/use-jupyter-notebook.png

-134 KB
Loading

0 commit comments

Comments
 (0)