蓝绝

摘要： 2) pandas中NoneSnp.nan的操作 isnull () notnull () dropna () :过滤丢失数据 fillna () :填充丢失数据 (1)判断函数 isnull () . notnull（) (2)过滤函数 阅读全文

摘要： 1. pandas. 构造: Series一维数组,类似字典 Series (data, index) Series (data=dic, index) 读取DataFrame的一列 索引访问: 字典访问: s[key] 下标访问: s[index] loc访问:s. loc [key] iloc访 阅读全文

摘要： (1) DataFrame之间的运算同Series一样: . 在运算中自动对齐相同索引的数据. 如果索引不对应,则补NaN DataFrame和一个数、numpy 广播机制 DataFrame和数组(Series) 索引对齐, axis控制方向 DataFrameDataFrame 索引对齐,不分方 阅读全文

摘要： 2) DataFrame的索引 (1)对列进行索引 -通过类似字典的方式 -通过属性的方式 可以将DataFrame的列获取为一个Series。返回的Series拥有原DataFrame相同的索引,且name属性也已经设置好了,就是相应的列名。 (2)对行进行索引 -使用.ix[]来进行行索引使用. 阅读全文

摘要： 1) DataFrame的创建 最常用的方法是传递一个字典来创建。DataFrame以字典的键作为每一【列】的名称,以字典的值(一个数组)作为每一列。 此外,DataFrame会自动加上每一行的索引(和Series一样)。 同Series一样,若传入的列与字典的键不匹配,则相应的值为NaN。 #数据 阅读全文

摘要： 4) Series的运算 (1)适用于numpy的数组运算也适用于Series (2) Series之间的运算. 在运算中自动对齐不同索引的数据. 如果索引不对应,则补NaN 注意:要想保留所有的index,则需要使用 （意思是没有相同的显示索引时，前面数有值，后面数无值导致无法计算输出NaN，如果 阅读全文

摘要： 3) Series的基本概念 可以把Series看成一个定长的有序字典 可以通过shape, size, index,values等得到series的属性 可以使用head(),tail()分别查看前n个和后n个值 当索引没有对应的值时,可能出现缺失数据显示NaN (not a number )的情 阅读全文

摘要： #其他访问方式，列表和numpy的访问方式完全适用于Series arr =np.random.randint(0,100,size=5) arr array([38, 15, 10, 85, 81]) s=Series(data=arr,index=["tom", "lucy", "mery", 阅读全文

摘要： 1.Series Series是一种类似于一维数组的对象,由下面两个部分组成: #values :-组数据(ndarray类型) #index :相关的数据索引标签 一维数组:有序的数据类型相同的集合 Series: 一维数组的强化版,增加了像字典一样的key-value的访问机制,同时也保留了数组 阅读全文

摘要： 1,查看文档: shift+tab 2,输入输出历史: In Out 3. %time %timeit %%time %%timeit numpy: 1,特点:数据类型相同的有序的数据集合,如果初始化的数据类型不同,会强制类型统一 优先级: str >float > int 2.构造: np. ar 阅读全文