2024-10-05, 20:31-今日內容

Gpd 的shp是地图数据，通常是专业软件需要这个格式的地图数据， KML适合网页上的地图应用，主要就是google map了 Geopandas 里面的读取的shp文件的数据包含column的类型是geometry 的数据（类似， int float。category… 检查pd的某个column是不是含有某个value，我们用isin Pd的loc可以专门拿来选择那哪些column是不是包含特定的value，看这个例子：某个节假日对鱼数据有某种程度的影响可以吧节假日通过one hot encoding的方式进行分类，这样可以看出某个节假日对于数据… 可以根据节假日来对数据进行分析。具体的就是我们的节假日是一个csv文件，然后我们选取从某个时间点到某个时间点的时间，然后只选取… Pd里面的assign，永远是对df进行操作的，我们可以让这个df的某一个column 变成一个新的计算表达，比如说km变成… 括号在python中不会改变表达式的类型，它是指让我们制定那些行一起操作，并且支持多行代码。但是方括号就会改变数据的类型和索引… Pd里面的assign会让某一个column对现在的column进行覆盖。我们可以用lambda x 进行一个操作。 Pd的query主要是用来处理一些很复杂的选取，特可以和== && ｜｜ == 替换的。他写起来像是sql的语法，一个简单的… Understanding Fourier feature computation isn’t necessary for their… 傅立叶变化主要是找出x轴的趋势或者规律，因为他是时间性质的。当我们找出拉了之后，就可以对对应的区域内的时间进行预测了。 Pd 时间序列的数据，可以直接筛选index事weekday也就是周几的信息，也就是tunnel.index.week ==… 对于周期性的数据，比如每周的周几有规律的，我们可以用pd的pandas的datetimeindex来看，一般就是dayofweek… 傅里叶级数就是把周期性的震荡指数通过不同强度的sin和cosin 进行coding，然后形成了一个傅立叶的feature。这样方便… 高次方预测不是越高越好，会出现非常难以控制的情况。你可以看看order是11 的情况：如果要把很多的图叠加在一起，就要返回上一个图的ax给下一个图用，也就是ax。 Pd有rolling可以帮助我们提取一个窗口内的数据，具体出来的效果是这样的：

🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️下一個筆記🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️

Gpd 的shp是地图数据，通常是专业软件需要这个格式的地图数据， KML适合网页上的地图应用，主要就是google map了

🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️下一個筆記🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️

Geopandas 里面的读取的shp文件的数据包含column的类型是geometry 的数据（类似， int float。category… Geopandas 里面的读取的shp文件的数据包含column的类型是geometry 的数据（类似， int float。category）这样的概念。

🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️下一個筆記🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️

检查pd的某个column是不是含有某个value，我们用isin

🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️下一個筆記🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️

Pd的loc可以专门拿来选择那哪些column是不是包含特定的value，看这个例子： wild_lands = data.loc[data.CLASS.isin([‘WILD FOREST’, ‘WILDERNESS’])].copy()

🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️下一個筆記🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️

某个节假日对鱼数据有某种程度的影响可以吧节假日通过one hot encoding的方式进行分类，这样可以看出某个节假日对于数据… 某个节假日对鱼数据有某种程度的影响可以吧节假日通过one hot encoding的方式进行分类，这样可以看出某个节假日对于数据的影响程度。

🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️下一個筆記🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️

可以根据节假日来对数据进行分析。具体的就是我们的节假日是一个csv文件，然后我们选取从某个时间点到某个时间点的时间，然后只选取… 可以根据节假日来对数据进行分析。具体的就是我们的节假日是一个csv文件，然后我们选取从某个时间点到某个时间点的时间，然后只选取national和regional的数据。然后进行可视化，吧实际要对比的数据和这个节假日数据进行对比，我们可以让那个ro也就是red 和o来查看佳佳日，具体的结果可以看这个：

🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️下一個筆記🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️

Pd里面的assign，永远是对df进行操作的，我们可以让这个df的某一个column 变成一个新的计算表达，比如说km变成… Pd里面的assign，永远是对df进行操作的，我们可以让这个df的某一个column 变成一个新的计算表达，比如说km变成m 等等。里面一般用的都是lambda x ，这个x就是我们的df了。如果要对他的某个column进行筛选，那么就是对应的思路。

df.assign(temp_f=lambda x: x[‘temp_c’] * 9 / 5 + 32, … temp_k=lambda x: (x[‘temp_f’] + 459.67) * 5 / 9) temp_c temp_f temp_k Portland 17.0 62.6 290.15 Berkeley 25.0 77.0 298.15

🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️下一個筆記🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️

括号在python中不会改变表达式的类型，它是指让我们制定那些行一起操作，并且支持多行代码。但是方括号就会改变数据的类型和索引… 括号在python中不会改变表达式的类型，它是指让我们制定那些行一起操作，并且支持多行代码。但是方括号就会改变数据的类型和索引。 holidays = ( holidays_events .query(“locale in [‘National’, ‘Regional’]”) .loc[‘2017’:’2017-08-15’, [‘description’]] .assign(description=lambda x: x.description.cat.remove_unused_categories()) ) 这个例子就是告诉你，我们一行一行的指令，其实可以不加上括号，但也意味着我们必须在一行内全部写完code。所以加上了括号只是为了让代码的意图更清晰。

🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️下一個筆記🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️

Pd里面的assign会让某一个column对现在的column进行覆盖。我们可以用lambda x 进行一个操作。 holidays = ( holidays_events .query(“locale in [‘National’, ‘Regional’]”) .loc[‘2017’:’2017-08-15’, [‘description’]] .assign(description=lambda x: x.description.cat.remove_unused_categories()) )

🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️下一個筆記🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️

Pd的query主要是用来处理一些很复杂的选取，特可以和== && ｜｜ == 替换的。他写起来像是sql的语法，一个简单的… Pd的query主要是用来处理一些很复杂的选取，特可以和== && ｜｜ == 替换的。他写起来像是sql的语法，一个简单的例子：

National and regional holidays in the training set

holidays = ( holidays_events .query(“locale in [‘National’, ‘Regional’]”) .loc[‘2017’:’2017-08-15’, [‘description’]] .assign(description=lambda x: x.description.cat.remove_unused_categories()) )

display(holidays)

🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️下一個筆記🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️

Understanding Fourier feature computation isn’t necessary for their… Understanding Fourier feature computation isn’t necessary for their use, but it can clarify things. The cell below shows how Fourier features can be derived from a time series index. (For our applications, we’ll use a statsmodels library function.)

🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️下一個筆記🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️

傅立叶变化主要是找出x轴的趋势或者规律，因为他是时间性质的。当我们找出拉了之后，就可以对对应的区域内的时间进行预测了。

🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️下一個筆記🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️

Pd 时间序列的数据，可以直接筛选index事weekday也就是周几的信息，也就是tunnel.index.week ==… Pd 时间序列的数据，可以直接筛选index事weekday也就是周几的信息，也就是tunnel.index.week == 5 这就是周六的信息。因为这是因为在 Python 和 Pandas 中，weekday 方法返回的值从 0 到 6，分别对应星期一到星期日。具体是：

•	0: 星期一
•	1: 星期二
•	2: 星期三
•	3: 星期四
•	4: 星期五
•	5: 星期六
•	6: 星期日

🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️下一個筆記🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️

对于周期性的数据，比如每周的周几有规律的，我们可以用pd的pandas的datetimeindex来看，一般就是dayofweek… 对于周期性的数据，比如每周的周几有规律的，我们可以用pd的pandas的datetimeindex来看，一般就是dayofweek。是在忘记了可以去pd.DatetimeIndex? 去看doc文档，里面有很多可以探索的日期醒的抽取，我们可以专门做一列新的，来看周几与影响。 X[‘day’] = X.index.dayofweek

🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️下一個筆記🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️

傅里叶级数就是把周期性的震荡指数通过不同强度的sin和cosin 进行coding，然后形成了一个傅立叶的feature。这样方便… 傅里叶级数就是把周期性的震荡指数通过不同强度的sin和cosin 进行coding，然后形成了一个傅立叶的feature。这样方便我们找到周期性的额规律。公式你可以看知道是这样的： ( x(t) ) 是时间 ( t ) 上的值

( T ) 是周期

( a_0 ) 是常数项

( a_n ) 和 ( b_n ) 是傅立叶系数

这些系数 ( a_n ) 和 ( b_n ) 就是傅立叶特征，它们用于捕捉数据中的周期性模式。

傅立叶特征在时间序列分析中非常有用，特别是当数据具有明显的周期性时。通过提取这些特征，你可以更好地理解和预测时间序列数据的行为。

🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️下一個筆記🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️

高次方预测不是越高越好，会出现非常难以控制的情况。你可以看看order是11 的情况：

🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️下一個筆記🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️

如果要把很多的图叠加在一起，就要返回上一个图的ax给下一个图用，也就是ax。 plot_params = { “color”: “0.75”, “style”: “.-“, “markeredgecolor”: “0.25”, “markerfacecolor”: “0.25”, “legend”: False, }

🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️下一個筆記🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️

Pd有rolling可以帮助我们提取一个窗口内的数据，具体出来的效果是这样的：熊猫。DataFrame.rolling — pandas 2.2.3 文档 — pandas.DataFrame.rolling — pandas 2.2.3 documentation

#匯總今日內容