В рейтинге участвует:

групп:

каналов:

Виртуальный сервер на SSD - недорого!

Аренда выделенных и виртуальных серверов (VDS/VPS), хостинг, аренда IP-адресов, администрирование, круглосуточная поддержка

qwarta.ru подробнее

Резервное копирование с проверкой на вирусы!!!

Удобный сервис создания резервных копий на любой сервер сети интернет. Отслеживайте изменения, проверяйте на вирусы. Надежно защитите свой бизнес!

go.backupland.com

Выбираете сервер? Любая конфигурация на заказ!

Аренда физических серверов любых конфигураций под любые запросы - 1С бухгалтерия, игровые сервера, нагруженные проекты, интернет-магазины!

qwarta.ru подробнее

Size: a a a

Python для анализа данных

1463 membersпожаловаться на группу
2019 July 09

dd

dgj dfsh in Python для анализа данных
Panel: A high-level app and dashboarding solution for the PyData ecosystem

In this article, you will learn about Panel, a new open-source Python library that lets you create custom interactive web apps and dashboards by connecting user-defined widgets to plots, images, tables, or text.

http://bit.ly/2YJnc8L
Medium
Panel: A high-level app and dashboarding solution for the PyData ecosystem.
A high-level app and dashboarding solution for the PyData ecosystem.
источник
19:12пожаловаться#1

ВЛ

Владислав Литвинюк... in Python для анализа данных
Ребята, а почему не могу переименовать колонку?
источник
23:43пожаловаться#2

АМ

Алексей Макаров... in Python для анализа данных
А попробуйте 0 сделать int'ом
источник
23:44пожаловаться#3

ВЛ

Владислав Литвинюк... in Python для анализа данных
)
источник
23:44пожаловаться#4

АМ

Алексей Макаров... in Python для анализа данных
Ну и посмотрите fullDf.columns
источник
23:44пожаловаться#5

ВЛ

Владислав Литвинюк... in Python для анализа данных
странно, думал колонки только стрингом
спасибо
источник
23:45пожаловаться#6

АМ

Алексей Макаров... in Python для анализа данных
Не, по умолчанию, если df создать новый, например из list of lists, то будут колонки int
источник
23:46пожаловаться#7

ВЛ

Владислав Литвинюк... in Python для анализа данных
прикольно
источник
23:47пожаловаться#8
2019 July 10

AY

Aleksey Yaroshenko in Python для анализа данных
Alex Koletvin
Господа, какой метод применить для следующей задачи:

Есть датафрейм с параметрами уровней мобильной игры,
10 булевых столбцов, указывающих есть ли на уровне конкретная механика, столбец с винрейтом и столбцы с определенными показателями (трата виртуальной валюты на человека и тд).

Как провести стат тест, который покажет есть ли зависимость этих показателей от наличии какой то механики, при условии, что самый сильный фактор, который влияет на показатели - винрейт
Сравнить E(win_rate|bool=0) и E(win_rate|bool=1) просто, без корреляций и регрессий. Ибо регрессия/корреляция Пирсона больше для непрерывных значений. Оно, конечно, отработает, но как интерпретировать такую корреляцию/регрессию, ХЗ. Поэтому, я бы просто сравнил условные матожидания.
источник
02:23пожаловаться#9

AY

Aleksey Yaroshenko in Python для анализа данных
В общем, довольно нелогично пользоваться линейными методами там, где нет линейной зависимости, а только 2 параллельных полоски из точек :)
источник
02:33пожаловаться#10

ВЛ

Владислав Литвинюк... in Python для анализа данных
Как можно получить номер шага в for? Попробовал так сделать, но длинна цикла умножилась
run = range(0, len(df_sum.Value))
for i in df_sum.Value:
    for  r in run:
        print (i)
источник
02:58пожаловаться#11

АМ

Алексей Макаров... in Python для анализа данных
Enumerate
источник
04:49пожаловаться#12

AK

Alex Koletvin in Python для анализа данных
Aleksey Yaroshenko
В общем, довольно нелогично пользоваться линейными методами там, где нет линейной зависимости, а только 2 параллельных полоски из точек :)
Да я бы так и сделал если бы не было одного количественного фактора, который влияет на результат сильнее остальных (винрейт).
Вот как учесть его при сравнении механик?
источник
07:43пожаловаться#13

AV

Alexey Vyskrebentsev in Python для анализа данных
Alex Koletvin
Да я бы так и сделал если бы не было одного количественного фактора, который влияет на результат сильнее остальных (винрейт).
Вот как учесть его при сравнении механик?
А дискретизировать нельзя нумерический фактор, разбить на диапазоны и проставить 1/0 если попадает в конкретный, тогда все будут одного типа
источник
08:39пожаловаться#14

AY

Aleksey Yaroshenko in Python для анализа данных
Alex Koletvin
Да я бы так и сделал если бы не было одного количественного фактора, который влияет на результат сильнее остальных (винрейт).
Вот как учесть его при сравнении механик?
Можно сделать забавную штуку попробовать: обучать случайный лес для каждого столбца дважды: сначала просто все колонки, потом - вместо какой-то колонки просто шум сгенерить. И отношение качества на тесте - значимость параметра. Если единица, то параметр незначим, ибо замена его на шум не влияет на качество модели. Я так не делал, только в теории про такой метод читал, но вдруг подойдёт?
источник
08:43пожаловаться#15

AK

Alex Koletvin in Python для анализа данных
Да, крутые идеи, спасибо, сейчас правда придумал вообще простую штуку - выбрать для каждой механики одинаковое количество людей, которым понадобилось 1,2,3,4...  попыток, таким образом распределение сложностей будет одинаковое для всех механик и можно будет использовать классические стат. тесты
источник
09:12пожаловаться#16

OB

Oleg Basmanov in Python для анализа данных
есть такой датафрейм. хочу nan значения в parent_good_id заменить на значения из столбца id feed['parent_good_id'] = feed['parent_good_id'].fillna(feed['id'])
и не срабатывает. ЧЯДНТ
источник
16:14пожаловаться#17

SS

Sergey Shmakov in Python для анализа данных
Вроде бы это для None работает

general_df['Тип клуба'][(general_df['Тип клуба'].isna() == True)] = 'Значение'


я так делаю: фильтрую где нет значений и заполняю ячейки нужным
источник
16:20пожаловаться#18

А

Алексей in Python для анализа данных
fillna разве не работает только с единым значением?
источник
16:20пожаловаться#19

OB

Oleg Basmanov in Python для анализа данных
Sergey Shmakov
Вроде бы это для None работает

general_df['Тип клуба'][(general_df['Тип клуба'].isna() == True)] = 'Значение'


я так делаю: фильтрую где нет значений и заполняю ячейки нужным
ну мне не фиксированное значение нужно передать а из соседнего столбца
источник
16:21пожаловаться#20