Pandas
PulseAugur coverage of Pandas — every cluster mentioning Pandas across labs, papers, and developer communities, ranked by signal.
12 天有情绪数据
-
复古游戏 Daimyo 发布于 Commodore 64；Python CSV 清理指南发布
Windigo Productions 发布了一款名为 Daimyo 的新游戏，适用于 Commodore 64。此次发布丰富了该工作室的复古游戏目录，其中包括 Pharaoh's Legacy 和 Devolution。另外，一份使用 Python 和 Pandas 库清理混乱 CSV 文件入门指南已发布。
-
SQL、Pandas 和 AI Agent 在解决分析问题方面的比较
对 SQL、Pandas 和 AI Agent 的比较揭示了它们在解决分析问题方面的有效性。该分析在三个不同的问题和八个维度上衡量了执行时间和 Agent 提示。研究结果旨在阐明哪种工具在各种分析任务中表现最佳。
-
Medi-Gemma：混合LLM系统增强临床决策支持
研究人员开发了Medi-Gemma，这是一种新颖的临床决策支持系统（CDSS），旨在解决大型语言模型（LLM）在高风险临床环境中的局限性。该系统采用混合架构，结合了确定性电子病历（EMR）分析和检索增强生成，以提高准确性和安全性。Medi-Gemma的框架将临床感知与数据编排分开，利用包含ClinicalOrchestrator、DataManager和IntentRouter等组件的多阶段管道来管理数据和查询。
-
作者详述使用AI辅助构建的个人财富追踪器
作者详述了如何使用AI构建个人财富追踪器，特别提到了Claude作为AI助手。该项目涉及在Jupyter Notebook环境中利用Pandas、NumPy、Matplotlib和Seaborn等Python库来处理和可视化金融数据，最终将其导出到Google Sheets。
-
RAG-Anything 教程：在 Colab 中构建多模态检索管道
本教程演示了如何使用 RAG-Anything 在 Google Colab 中构建多模态检索管道。该过程包括设置环境、安装 OpenAI 和 Pillow 等必需的软件包，并配置系统以处理包括文本、表格、方程和图像在内的各种数据类型。然后，用户可以生成合成报告，将其转换为可用格式，并在 RAG-Anything 框架内测试不同的检索模式。
-
新的基准测试使用真实代码优化测试 LLM
研究人员推出了 SWE-fficiency，这是一个旨在评估语言模型在真实软件存储库上性能优化能力的新基准。该基准包含 498 个任务，涵盖 NumPy 和 Pandas 等九个流行的数据科学、机器学习和 HPC 存储库。它挑战代理分析代码、识别性能瓶颈并提出能够匹配或超越专家加速效果但又能通过所有单元测试的补丁。初步评估显示，当前最先进的代理表现明显不佳，由于在定位、跨函数推理和保持代码正确性方面存在困难，其加速效果仅为专家的 0.…
-
NVIDIA 发布 Open-SWE-Traces 数据集用于 AI 软件工程训练
NVIDIA 发布了 Open-SWE-Traces，一个旨在训练人工智能软件工程任务代理的数据集。MarkTechPost 的一项新教程演示了如何处理该数据集以进行监督微调。该教程涵盖了轨迹解析、代码补丁分析和工具使用指标评估等技术，从而能够创建高质量的训练数据。
-
AI With Python 2026 系列详细介绍使用 Pandas 进行数据分析
本文是关于使用 Python 进行 AI 系列的第五部分，重点介绍使用 Pandas 库进行数据分析。它强调数据只有通过理解才能发挥价值，而理解是通过数据清洗、分析和为 AI 模型准备数据等技术来实现的。文章着重介绍了 Pandas 如何将原始数据转化为可操作的见解。
-
机器学习工程师使用新颖架构构建了全球PM2.5空气质量预测器
一位机器学习工程师开发了一个全球空气质量预测模型，专注于美国、英国、印度和澳大利亚的PM2.5水平。该模型最初在高方差地区遇到困难，但新颖的“视界对齐架构”提高了其预测准确性。该架构将预测视界解耦，并包含一个滚动波动率矩阵以防止数据泄露，从而在全球范围内实现了低于1.0的平均绝对尺度误差，并在30天视界内实现了57%的预测准确性。
-
ZenML 0.80.0 发布，旨在解决 ML 流水线可复现性问题
ZenML 是一个开源的 MLOps 框架，已发布 0.80.0 版本，旨在解决机器学习流水线中可复现性的重大挑战。该框架将实验跟踪器和编排器等 20 多种不同工具连接到一个统一的系统中，使用户能够构建和管理生产就绪的 ML 流水线。此版本强调基于 Python 的方法，抽象化基础设施的复杂性，并实现从本地开发到云部署的无缝过渡。
-
NVIDIA 发布 SkillSpector 进行 AI 技能安全分析 · 已追踪 2 个来源
NVIDIA 发布了 SkillSpector，一个开源工具，旨在识别部署前 AI 技能中的安全风险。该工具采用静态分析和自定义检测器扫描漏洞，并生成 SARIF 格式的报告。附带的指南演示了如何构建一个 AI 技能语料库（包括故意引入漏洞的技能），并使用 SkillSpector 分析它们是否存在潜在的安全威胁。
-
Docling Parse 教程：构建布局感知文档智能管道
本教程演示了如何使用 Docling Parse 构建文档智能管道来分析 PDF 结构。它涵盖了在 Colab 中设置 Python 环境、创建包含文本、形状和图像的多元素 PDF，然后使用 Docling Parse 提取单词和字符坐标等详细信息。提取的数据可以保存为 JSON 或 CSV，从而实现布局分析和阅读顺序重建等下游任务。
-
Pandas 高效数据清洗与准备技巧
本文详细介绍了三个关键的 Pandas 技术，用于高效的数据清洗和准备。它涵盖了声明式方法链以及使用分类和向量化进行优化的策略，以提高内存使用和处理速度。
-
使用流式处理构建 NVIDIA Nemotron 代码数据集管道
本教程演示了如何使用 NVIDIA 的 Nemotron-Pretraining-Code-v3 数据集的元数据来构建代码数据集管道。该过程不是下载整个数据集，而是涉及流式处理元数据、检查其模式并创建可管理的样本进行分析。本教程详细介绍了重建原始 GitHub URL、获取源文件和估算 token 数量的步骤，最终生成可重复使用的过滤样本以供进一步实验。
-
Simon Willison 详细介绍了在 AgentsView 中为 AI 模型设置自定义价格
Wes McKinney 的 AgentsView 工具的新用户 Simon Willison 详细介绍了如何在软件中为 AI 模型设置自定义价格。当 Claude Fable 5 发布且尚未包含在 AgentsView 的定价数据库中时，他遇到了这个需求。Willison 使用 Fable 5 分析了 AgentsView 本身，并开发了一种手动输入新模型定价信息的方法。
-
Anthropic 的 Claude AI 与 Python 集成，实现 EDA 技能
本文演示了如何将 Anthropic 的 Claude AI 模型与 Python 集成，以创建用于执行探索性数据分析 (EDA) 的自定义“技能”。它概述了将基于 pandas 的工作流打包成 Claude 可以利用的可重用技能的过程。目标是通过允许 AI 直接执行数据分析任务来增强分析能力。
-
Clarigrid SDK 为研究人员简化能源数据访问
一个名为 Clarigrid 的新的开源 Python SDK 被开发出来，用于简化访问能源、气候和市场数据的过程。该工具旨在抽象化各个数据源 API 的复杂性，允许用户进行一次身份验证，并通过单一接口访问各种数据集。这项举措旨在减少研究人员和分析师在数据收集上花费的时间，使他们能够更专注于分析和见解。
-
教程为 arXiv 上的数学问题构建语义搜索
本教程详细介绍了如何使用 ResearchMath-14k 数据集创建语义搜索引擎和开放状态分类器。该数据集包含来自 arXiv 的数学问题。过程包括加载和分析数据集的结构，例如问题在不同数学领域和开放状态类别中的分布。关键步骤包括提取特定领域的关键词、生成语义嵌入、可视化数据图景、聚类相似问题以及训练分类器以从这些嵌入中预测问题状态。
-
Python ETL 管道将 CSV 数据传输到 PostgreSQL
本文详细介绍了构建一个生产级 ETL 管道的过程，该管道旨在将数据从 CSV 文件传输到 PostgreSQL 数据库。它涵盖了关键的数据工程实践，包括使用 Python 和 Pandas 进行数据提取、用于清理和丰富数据的转换，以及在最终插入之前加载到暂存表。该过程通过结合批量加载、日志记录和事务管理等技术来处理现实世界的数据质量问题，强调了可扩展性和可靠性。
-
新手机器学习从业者构建世界杯2026商业模拟器
一位机器学习新手作为其商业分析理学硕士项目的一部分，开发了一个FIFA世界杯2026预测模拟器。该工具允许用户输入比赛结果，并动态更新小组赛、淘汰赛阶段以及最终冠军的预测。该模拟器旨在通过在不确定环境中提供数据驱动的场景分析，帮助企业进行动态的广告、赞助和内容策略规划。