统计学之家

多重共线性是指模型中的自变量之间存在较高的相关关系，如自变量 x 1 , x 2 之间的关系为 x 1 =2 x 2 。多重共线性的存在会影响模型的准确性及稳定性，方差膨胀因子（vif）可以用于检验自...

线性回归建模速度快，不需要很复杂的计算，在数据量大的情况下依然能够快速运行，可以根据系数给出每个变量的解释，但不能很好地拟合非线性数据，所以在构建回归模型时需要先判断自变量的类型。 分类变量（也称为因...

apply()函数常用于对DataFrame进行行迭代或者列迭代，它的axis的含义与统计聚合函数的axis的含义一致。apply()的参数往往是一个以序列为输入的函数，例如，对于mean()，使用a...

在replace()中，可以通过字典构造或者传入两个列表（分别表示需要替换的值和替换后的值）来进行替换： In : df.replace({'Female':0, 'Male':1}).head() ...

pandas中有一些函数和数据中元素出现的频次相关。对Series使用unique()和nunique()可以分别得到其唯一值组成的列表和唯一值的个数： In : df.unique() Out: a...

在pandas中，有哪些特征统计函数？ 在Series和DataFrame上定义了许多统计函数，最常见的是sum()、mean()、median()、var()、std()、max()和min()。下...

Series和DataFrame上存储了许多信息，但我们很多时候只需要获取其中的部分信息。当想要查看表的前几行或后几行时，可以使用head()函数和tail()函数，它们分别返回表或者序列的前n行和后...

pandas有两种基本的数据结构，分别是存储一维值属性values的Series和存储二维值属性values的DataFrame，在这两种数据结构上定义了很多属性和方法，pandas中的绝大多数数据处...

pandas的文件输入输出模块依赖xlrd、xlwt和openpyxl这3个第三方库，若未安装可使用如下命令安装： # 可以使用如下<em>conda</em>命令或<e...

NumPy数组的构造方式多种多样，其中最一般的方法是通过array()来构造，下面的例子是把一个普通列表转换为NumPy数组： In : import numpy as np np.array() O...

核密度图（kernel density plot）不仅能够直观地显示数据分布的尾巴，而且还能够显示分布的峰顶（peak）、肩部（shoulder）和凸块（bump）。 核密度估计是估计连续性随机变量概...

在R里面使用非基础包是需要加载的，如果没有加载，程序就会提示“找不到所用函数”。加载数据包的方式有两种，library和require。library和require究竟哪个好用？正所谓“萝卜青菜各有...

最常见的数据类型为数值型，包括定距和定序两种，在R语言中创建数值型变量非常简单，直接将数值赋值给对象即可，如下所示。 ● 数值型 1 a <-3 2 b <-3/2 3 mode（a） #...

经过开发者长期的努力，R语言已经扩展成为使用便利、功能完备的开发环境，能够支持包括数据存储、清洗、建模和可视化在内的完整工作流程。下面根据数据的类型、适用数据的可视化图形，以及用于数据可视化的R语言应...

R语言（有时简称R）是一款开源的数据分析和可视化编辑语言，常用于统计分析、图形绘制、数据挖掘、机器学习等领域。相比其他常见的统计分析与绘图软件，R语言在数据可视化方面具有诸多优势。 （1）R语言以“包...

六角直方图所表达的信息与二维直方图一样，只不过六角直方图是将绘图区域划分为多个六边形，因此称为六角直方图。六角直方图使用geom_hex函数进行制作。下面的代码绘制了一幅六角直方图，如图5.36所示。...

R中已经有大量的自带函数和强大的数据结构，可以用来完成复杂的数据探索、数据科学工作。但是，有一个包提供了一个简洁、完整的数据科学工作流程，这个包是tidyverse。tidyverse包提供了一个完整...