MNIST手写数字数据库的训练集为60,000个示例，测试集为10,000个示例。这些数字已进行尺寸规格化，并在固定尺寸的图像中处于居中位置。 对于那些想在实际数据上尝试学习技术和模式识别方法而又不花太多精力进行预处理和格式化的人们来说，这是一个很好的数据库。 MNIST数据库的文件格式 数据以非常简单的文件格式存储，旨在存储矢量和多维矩阵。 有4个文件： 训练集包含60000个示例，测试集包含10000个示例。 训练集标签文件（train-labels-idx1-ubyte）： 标签值为0到9。 训练集图像文件（train-images-idx3-ubyte）： 测试集标签文件（t10k-labels-idx1-ubyte）： 标签值为0到9。 测试集图像文件（t10k-images-idx3-ubyte）： via：http://yann.lecun.com/exdb/mnist/

1.背景 《世界幸福报告》是全球幸福状态的关注点调查。该报告逐渐受到全世界的认可，推动了各个领域财务问题，大脑研究，情况调查，国家福利，等方面的进步，概述了如何将幸福程度估算有效地用于评估国家的进步。 2.内容 喜悦得分和排名利用了盖洛普世界调查提供的信息。要求被调查者思考：对于他们而言，最理想的寿命是10岁，而最差的理想寿命是a岁，并以该等级对他们当前的索赔要求进行评分。该文件包含153个国家/地区的幸福分数以及用于解释该分数的因素。 幸福分数由以下因素解释： 人均GDP；健康预期寿命；社会支持；自由选择生活；慷慨；腐败感知；残差。 3.数据集原链接： https://www.kaggle.com/mathurinache/world-happiness-report?select=2016.csv

现有一个df像这样的Pandas数据框： 我想按第一列分组，之后获得第二列作为行中的列表： 是否可以使用pandas groupby进行类似的操作？

总览 头部姿势数据库由涵盖15位测试者的2790张面部图像构成，从水平和垂直角度细分成-90度到+90度不等。对于每个人，都有2系列93幅图像（93种不同姿势）可用。每人拥有2个系列的目的是能够在已知和未知的面部上训练和测试算法。图像的背景整洁，以便专注于面部。 资料注解 相应的面部标签存储在具有相应名称的单个文本文件中： person [* Id *] [* serie *] [* Number *] [* tilt *] [* Pan *]。txt 资料格式 文件名是根据以下标准构造的： person[Id][serie][Number][tilt][*Pan*].jpg Id = {01, ..., 15} 测试者编号 Serie = {1, 2} 系列 Number = {00, 01, ..., 92} 目录中文件的编号 Tilt = {-90, -60, -30, -15, 0, +15, +30, +60, +90}垂直角度 Pan = {-90, -75, -60, -45, -30, -15, 0, +15, +30, +45, +60, +75, +90} 水平角度. via:https://yekara.com/headpose_annotations/

WBC图像数据集 介绍 这是白细胞（WBC）图像的两个数据集，用于“通过自我监督学习对白细胞图像进行快速分割和鲁棒分割”，可用于评估细胞图像分割方法。 这两个数据集在图像颜色，单元格形状，背景等方面存在明显差异，可以更好地评估WBC分割方法的鲁棒性。 Ground Truth分割结果由领域专家手动绘制，其中核，细胞质和背景（包括红细胞）分别标记为白色，灰色和黑色。还通过一定的方法提交了分割结果，其中整个WBC区域用白色标记，其他区域用黑色标记。 内容 数据集由一百张300×300彩色图像组成，细胞图像通常是紫色的，并且在白细胞周围可能包含许多红细胞。 数据集中的每个图像的类标签显示在数据集2.csv的类标签中。标记（1-5）分别代表嗜中性粒细胞，淋巴细胞，单核细胞，嗜酸性粒细胞和嗜碱性粒细胞。 转载https://github.com/zxaoyou/segmentation_WBC

航空公司满意度数据集 介绍 该数据集来源于航空公司的旅客满意度调查。 可以帮助航空公司的管理人员分析哪些因素与乘客的满意度（或不满意度）相关，进而预测采取某些改进措施后的乘客满意度。 内容 性别：乘客性别（女，男） 客户类型：客户类型（老客户，新客户） 年龄：乘客的实际年龄 旅行类型：乘客的飞行目的（个人旅行，商务旅行） 舱位：乘客在飞机上的旅行舱位（商务舱，环保舱，环保舱Plus） 飞行距离：此次行程的飞行距离 机上wifi服务：机上wifi服务的满意度（0：不适用； 1-5） 方便的出发/到达时间：方便的出发/到达时间的满意度 轻松在线预订：在线预订的满意度 门位置：门位置的满意度 饮食：对食物的满意度 在线登机：在线登机的满意度 座椅舒适度：座椅舒适度的满意度 机上娱乐：机上娱乐的满意度 机上服务：机上服务的满意度 客房服务：客房服务的满意度 行李处理：行李处理的满意度 登机服务：登机服务的满意度 清洁度：飞机清洁的满意度 出发延迟分钟：分钟，延迟出发时间 到达延迟分钟：分钟，延迟到达时间 满意度：航空公司的满意度（满意，中立或不满意） 数据集转载自 https://www.kaggle.com/teejmahal20/airline-passenger-satisfaction

垃圾分类数据集 介绍 垃圾分类管理在我国面临的一个重要问题。大多数废物最终被错误地填埋，将导致许多环境问题，例如： 堆填区增加 富营养化 动物消耗有毒废物 渗滤液 毒素增加 土地，水和空气污染 本数据集的灵感及来源如下： 研究了有关废物管理的白皮书 分析生活垃圾的成分 分为两类（有机和可回收） 通过使用物联网和机器学习实现流程自动化 减少填埋场中的有毒废物 内容 本数据集分为训练数据（85％）和测试数据（15％）。 其中，训练数据共有22564张图像，测试数据共有2513张图像。 数据集转载自 https://www.kaggle.com/techsash/waste-classification-data

内容： 7个类别的花卉数据集，每个类别有80张图像。选择的花是英国的一些普通花。图像具有较大的比例，姿势和光线变化，并且在类别内还存在类别的图像变化很大且与其他类别极为相似的类别。 可用于机器学习中图像的分类处理，从而训练出对于花朵图像进行识别的数据集。 引用数据集时，请使用以下引用 @InProceedings{Nilsback06, author = "Maria-Elena Nilsback and Andrew Zisserman", title = "A Visual Vocabulary for Flower Classification", booktitle = "IEEE Conference on Computer Vision and Pattern Recognition", volume = "2", pages = "1447--1454", year = "2006", } 转载自：https://www.robots.ox.ac.uk/~vgg/data/