علوم داده
-
شناسایی مقادیر گمشده در Pandas
شناسایی مقادیر گمشده در Pandas مقدمه: در تجزیه و تحلیل داده، مقادیر گمشده می توانند چالش برانگیز باشند و بر…
بیشتر بخوانید » -
شاخص: برچسبگذاری دادهها برای دسترسی آسان
شاخص: برچسبگذاری دادهها برای دسترسی آسان شاخص در Pandas یک عنصر کلیدی برای ساختارهای داده Series و DataFrame است که…
بیشتر بخوانید » -
انتخاب ستون ها و سطرها در Pandas
انتخاب ستون ها و سطرها در Pandas در Pandas، روش های مختلفی برای انتخاب ستون ها و سطرها از یک…
بیشتر بخوانید » -
مراحل پیاده سازی الگوریتم های یادگیری ماشین با SciPy
مراحل پیاده سازی الگوریتم های یادگیری ماشین با SciPy در حالی که SciPy کتابخانه ای کامل برای یادگیری ماشین نیست،…
بیشتر بخوانید » -
تابع where در NumPy
np.where() در NumPy: مثال جامع و توضیح np.where() یک تابع قدرتمند در NumPy است که به شما امکان می دهد…
بیشتر بخوانید » -
تاریخچه و مزایای استفاده از Pandas
تاریخچه و مزایای استفاده از Pandas تاریخچه Pandas Pandas در سال 2008 توسط Wes McKinney به عنوان یک کتابخانه منبع…
بیشتر بخوانید » -
پاکسازی و آماده سازی داده ها با scikit-learn
پاکسازی و آماده سازی داده ها با scikit-learn مقدمه کتابخانه scikit-learn طیف گستردهای از ابزارها را برای پاکسازی و آمادهسازی…
بیشتر بخوانید » -
انتخاب و برش عناصر آرایه در NumPy
انتخاب و برش عناصر خاص از یک آرایه NumPy یکی از رایج ترین عملیات است که در تحلیل داده ها…
بیشتر بخوانید » -
تجزیه و تحلیل آماری با Pandas
تجزیه و تحلیل آماری با Pandas Pandas به عنوان یک کتابخانه قدرتمند برای دستکاری و تجزیه و تحلیل داده ها…
بیشتر بخوانید » -
ایجاد نمودار پراکندگی در Matplotlib
ایجاد نمودار پراکندگی در Matplotlib: راهنمای جامع و کاربردی مقدمه نمودارهای پراکندگی به عنوان ابزاری بصری کارآمد، برای نمایش رابطه…
بیشتر بخوانید »