How to Speed Up Python Pandas by Over 300x
如何加速 Pandas 代码 – 矢量化 如果我们希望深度学习模型在数据集上进行训练，我们必须优化代码以快速解析该数据。我们希望使用优化的方式编写代码，尽可能快地读取数据表。即使是最小的《如何将 Python Pandas 速度提高 300 倍以上》一文也首次出现在 AI Quantum Intelligence 上。
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
Using OpenAI and PandasAI for Series Operations
将自然语言查询和操作纳入 Python 数据清理工作流程。艺术家 Karen Walker 捐赠的红熊猫画作。我们在熊猫数据清理项目中需要执行的许多系列操作都可以由 AI 工具（包括 PandasAI）协助完成。PandasAI 利用大型语言模型（例如来自 OpenAI 的模型）来启用对数据列的自然语言查询和操作。在这篇文章中，我们将研究如何使用 PandasAI 查询系列值、创建新系列、有条件地设置系列值以及重塑数据。您可以通过在终端或 Windows Powershell 中输入 pip install pandasai 来安装 PandasAI。您还需要从 openai.com 获取令牌
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
Unlocking Data Insights: Key Pandas Functions for Effective Analysis
本文旨在介绍一些对数据分析至关重要的 Pandas 函数。通过掌握这些工具，您可以无缝处理缺失值、删除重复项、替换特定值以及执行其他几个数据操作任务。
Using SQL with Python: SQLAlchemy and Pandas
有关如何连接数据库、执行 SQL 查询以及分析和可视化数据的简单教程。
How to Convert JSON Data into a DataFrame with Pandas
本简短教程将指导您完成将 JSON 数据转换为 Pandas DataFrame 的过程。
How to Use Pandas Melt – pd.melt() for AI and Machine Learning
为什么重要：将宽数据框更改为长数据框使机器学习算法更容易高效运行。这可以使用 Pandas Melt 函数轻松完成。
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。
