Pandas and Large DataFrames: How to Read in Chunks
为什么重要：随着数据集平均越来越大，了解如何有效地处理内存中的数据可以提高您作为数据专业人员的工作效率和灵活性。了解如何在 Pandas 中处理这些数据将使您能够轻松地大规模管理数据。
LLMs + Pandas: How I Use Generative AI to Generate Pandas DataFrame Summaries
本地大语言模型可以将大量的数据范围转换为可呈现的标记报告 - 这是LLMS + PANDAS的方法：我如何使用生成AI生成PANDAS DataFrame Summaries首先出现在数据科学上。
FireDucks: An Accelerated Fully Compatible Pandas Library
迅速处理您的数据而不会使用像Pandas一样的API进行麻烦。
10 Pandas One-Liners for Exploratory Data Analysis
探索性数据分析（EDA）是使用任何数据集时的重要步骤。让我们探索一些有用的熊猫单线，可以帮助您快速理解数据。
These Are The US States With The Most Guns
这些是美国枪支最多的州美国的枪支数量比人口还多，平民持有近 4 亿支枪。在这张地图中，Visual Capitalist 的 Bruno Venditti 根据皮尤研究中心 2024 年由 Data Pandas 汇编的数据，按成年人持枪率最高的州对各州进行了排名。美国西北部的枪支拥有率高蒙大拿州是枪支拥有率最高的州，66.3% 的成年人口拥有枪支。该州拥有美国最宽松的枪支管制法。购买或拥有步枪、猎枪或手枪不需要州许可证。在我们的名单上，紧随其后的是它的邻居怀俄明州，该州 66.2% 的成年人拥有枪支。阿拉斯加州排名第三，持枪率达到 64.5%。州枪支拥有率↕蒙大拿州66.3%怀俄明州66.2
How to Make Proximity Maps with Python
快速成功数据科学Geopy 的大圆方法密西西比州立大学的距离地图（作者）您是否注意到社交媒体上的一些“距离”地图？我刚刚看到 Todd Jones 的一张地图，它显示了您在美国本土 48 个州的任何位置与国家公园的距离。这些邻近地图既有趣又有用。如果您是生存主义者，您可能希望尽可能远离潜在的核导弹目标；如果您是狂热的垂钓者，您可能希望靠近 Bass Pro Shop。我和一个对美国大学橄榄球几乎一无所知的英国人一起读研究生。尽管如此，他在我们每周的投注中表现非常出色。他的秘诀之一是，假设参赛球队实力相当，或者主队更受青睐，那么他就押注任何需要行驶 300 多英里才能比赛的球队。在这个 Quic
A Powerful EDA Tool: Group-By Aggregation
照片由 Mourizal Zativa 在 Unsplash 上拍摄了解如何使用分组聚合从数据中发现见解探索性数据分析 (EDA) 是数据分析师的核心能力。每天，数据分析师的任务都是发现“看不见的”东西，或者从浩瀚的数据中提取有用的见解。在这方面，我想分享一种我认为有助于从数据中提取相关见解的技术：分组聚合。为此，本文的其余部分将安排如下：Pandas 中分组聚合的解释数据集：大都会州际交通大都会交通 EDA分组聚合分组聚合是一种数据处理技术，包含两个步骤。首先，我们根据特定列的值对数据进行分组。其次，我们在分组数据上执行一些聚合操作（例如，求和、平均值、中位数、唯一计数）。当我们的数据很细粒
Building Your First Deep Learning Model: A Step-by-Step Guide
深度学习简介深度学习是机器学习的一个子集，而机器学习本身又是人工智能 (AI) 的一个子集。深度学习模型的灵感来自人脑的结构和功能，由多层人工神经元组成。这些模型能够通过称为训练的过程学习数据中的复杂模式，在此过程中，模型会进行迭代调整以最大限度地减少其预测中的错误。在这篇博文中，我们将介绍使用 MNIST 数据集构建一个简单的人工神经网络 (ANN) 来对手写数字进行分类的过程。了解 MNIST 数据集MNIST 数据集（修改后的国家标准与技术研究所数据集）是机器学习和计算机视觉领域最著名的数据集之一。它由 70,000 张从 0 到 9 的手写数字灰度图像组成，每张图像的大小为 28x28
