10 2019 档案
摘要：In [1]: %matplotlib inline import numpy as np import matplotlib.pyplot as plt import seaborn as sns np.random.seed(0) sns.set() 画热力图 In [2]: uniform_d
阅读全文
摘要：基本工作流程是FacetGrid使用数据集和用于构造网格的变量初始化对象。然后，可以通过调用FacetGrid.map()或将一个或多个绘图函数应用于每个子集 FacetGrid.map_dataframe()。最后，可以使用其他方法调整绘图，以执行更改轴标签，使用不同刻度或添加图例等操作 当使用从
阅读全文
摘要：In [2]: %matplotlib inline import numpy as np import pandas as pd from scipy import stats,integrate import matplotlib.pyplot as plt import seaborn as
阅读全文
摘要：Parameters：¶ 参数解释变量 x,y,hue 数据集变量 变量名 date 数据集 数据集名 row,col 更多分类变量进行平铺显示 变量名 col_wrap 每行的最高平铺数 整数 estimator 在每个分类中进行矢量到标量的映射 矢量 ci 置信区间 浮点数或None n_boo
阅读全文
摘要：In [1]: %matplotlib inline import numpy as np import pandas as pd from scipy import stats,integrate import matplotlib.pyplot as plt import seaborn as
阅读全文
摘要：In [1]: import numpy as np import seaborn as sns import matplotlib.pyplot as plt %matplotlib inline sns.set(rc={"figure.figsize":(6,6)}) 调色板¶ 颜色很重要 co
阅读全文
摘要：1.显示百分比的柱状图 In [1]: import pandas as pd import numpy as np import matplotlib.pyplot as plt %matplotlib inline #导入数据 np.random.seed(0) df=pd.DataFrame(
阅读全文
摘要：In [1]: import seaborn as sns import numpy as np import matplotlib as mpl import matplotlib.pyplot as plt %matplotlib inline In [2]: def sinplot(flip=
阅读全文
摘要：In [1]: %matplotlib inline import matplotlib.pyplot as plt 1.pie简单参数：plt.pie(x, explode=None, labels=None……） 属性说明类型 x 数据 list labels 标签 list autopct 数
阅读全文
摘要：In [1]: import matplotlib.pyplot as plt import numpy as np from mpl_toolkits.mplot3d import Axes3D %matplotlib inline cmap参数可以控制三维曲面的颜色组合, 一般我们见到的三维曲面
阅读全文
摘要：1.直方图¶ 1-1.简单的直方图绘制 一个histogram，通常可以用一个列向量表示（例子中的a，b），列向量里面的每一个值就是一个bin（a,b），比如说列向量有个50个元素，那么就代表有50个bin。简单的说就是有多少条条状图 In [1]: import matplotlib.pyplot
阅读全文
摘要：In [1]: import numpy as np import matplotlib.pyplot as plt %matplotlib inline 1.对轴的定义 当前的图表和子图可以使用plt.gcf()和plt.gca()获得，分别表示Get Current Figure和Get Cur
阅读全文
摘要：盒图¶ In [1]: %matplotlib inline np.random.normal()的意思是一个正态分布:numpy.random.normal(loc=0,scale=1e-2,size=shape) 参数loc(float)：正态分布的均值，对应着这个分布的中心。loc=0说明这一
阅读全文
摘要：In [1]: import numpy as np import matplotlib matplotlib.use('nbagg') import matplotlib.pyplot as plt seed可以保证每次生成的随机数值是一样的，参数是确定随机数的生成起始位置，注意：不是seed(0
阅读全文
摘要：In [1]: import matplotlib.pyplot as plt import numpy as np %matplotlib inline In [2]: plt.style.available#可以调用的风格 Out[2]: ['bmh', 'classic', 'dark_bac
阅读全文
摘要：Matplotlib概述 In [1]: import numpy as np import matplotlib.pyplot as plt #pyplot是matplotlib的画图的接口 %matplotlib inline 魔法指令，作用：省略之后的plt.show()的步骤 In [3]:
阅读全文
摘要：In [1]: import pandas as pd gl=pd.read_csv('./Titanic_Data-master/Titanic_Data-master/train.csv') gl.head() Out[1]: In [1]: import pandas as pd gl=pd.
阅读全文
摘要：1.魔法指令:%matplotlib inline ；数据画图 In [1]: %matplotlib inline import pandas as pd In [2]: import numpy as np s=pd.Series(np.random.randn(10),index=np.ara
阅读全文
摘要：1.指定倒序的索引 In [1]: import pandas as pd import numpy as np s=pd.Series(np.arange(5),index=np.arange(5)[::-1],dtype='int64')#index=np.arange(5),指定索引范围；[:
阅读全文
摘要：In [1]: import pandas as pd import numpy as np s=pd.Series(['A','b','B','gaer','AGER',np.nan]) s Out[1]: 0 A 1 b 2 B 3 gaer 4 AGER 5 NaN dtype: object
阅读全文
摘要：In [1]: import pandas as pd import numpy as np df=pd.DataFrame({'A':['foo','bar','foo','bar', 'foo','bar','foo','foo'], 'B':['one','one','two','three'
阅读全文
摘要：1.构造数据 In [1]: import pandas as pd data=pd.DataFrame({'group':['a','a','a','b','b','b','c','c','c'], 'data':[4,1,2,2,3,5,3,5,5]}) data Out[1]: 1.构造数据
阅读全文
摘要：数据透视表¶ In [1]: import pandas as pd excelample=pd.DataFrame({'Month':["January","January","January","January", "February", "February","February","Febru
阅读全文
摘要：In [1]: import pandas as pd 此网站可以查找具体的设置属性等：¶ https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.set_option.html#pandas.set_option 1-1显
阅读全文
摘要：In [1]: import pandas as pd In [6]: left =pd.DataFrame({ 'A':['A0','A1','A2','A3'], 'B':['B0','B1','B2','B3'], 'key':['K0','K1','K2','K3'],}) right =p
阅读全文
摘要：对象的增删改查¶ In [1]: import pandas as pd series结构的增删改查¶ In [2]: data =[10,11,12] index=['a','b','c'] s=pd.Series(data=data,index=index) s Out[2]: a 10 b 1
阅读全文
摘要：Pandas章节应用的数据可以在以下链接下载： https://files.cnblogs.com/files/AI-robort/Titanic_Data-master.zip Array数值计算¶ In [2]: import numpy as np tang_array=np.array([[
阅读全文
摘要：Pandas章节应用的数据可以在以下链接下载： https://files.cnblogs.com/files/AI-robort/Titanic_Data-master.zip In [1]: import pandas as pd df=pd.DataFrame({'key':['A','B',
阅读全文
摘要：Pandas章节应用的数据可以在以下链接下载： https://files.cnblogs.com/files/AI-robort/Titanic_Data-master.zip In [4]: import pandas as pd df=pd.read_csv('./Titanic_Data-m
阅读全文
摘要：Pandas章节应用的数据可以在以下链接下载： https://files.cnblogs.com/files/AI-robort/Titanic_Data-master.zip Pandas:数据分析处理库¶ In [1]: import pandas as pd In [4]: df=pd.re
阅读全文
摘要：判断结构¶ In [3]: tang=100 if tang>200: print('OK') print('test')##有缩进就不在就不在if条件结构中 test In [6]: tang=100 if tang >200: print('200') elif tang<100: print(
阅读全文
摘要：In [1]: tang=1000 yudi=tang In [2]: id(tang) Out[2]: 2395452676784 In [3]: id(yudi) Out[3]: 2395452676784 In [4]: tang is yudi Out[4]: True In [5]: yu
阅读全文
摘要：（一）利用递归方法求5！ In [2]: def tang(j): sum_value=0 if j==0: sum_value=1 else: sum_value=j*tang(j-1) return sum_value for i in range(10): print('%d!=%d' % (
阅读全文
摘要：In [1]: import time In [2]: print(time.time()) 1564400310.6156976 In [3]: print(time.localtime(time.time())) time.struct_time(tm_year=2019, tm_mon=7,
阅读全文
摘要：(三) 输入三个整数x,y,z,请把这三个数由小到大输出 In [7]: my_list=[] for i in range(3): x=int(input('input: ')) my_list.append(x) my_list.sort(reverse=False)#reverse是反转 my
阅读全文
摘要：更常用的zeros ones¶ In [2]: import numpy as np np.zeros(3) Out[2]: array([0., 0., 0.]) In [3]: np.zeros((3,3)) Out[3]: array([[0., 0., 0.], [0., 0., 0.],
阅读全文
摘要：In [1]: import numpy as np np.array([1,2,3]) Out[1]: array([1, 2, 3]) In [2]: np.arange(10) Out[2]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) In [3]: np.a
阅读全文
摘要：In [1]: import numpy as np tang_arrary=np.arange(10) tang_arrary Out[1]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) In [2]: tang_arrary.shape#形状 Out[2]: (1
阅读全文
摘要：In [2]: import numpy as np tang_array = np.array([[1.5,1.3,7.5], [5.6,7.8,1.2]]) tang_array Out[2]: array([[1.5, 1.3, 7.5], [5.6, 7.8, 1.2]]) In [3]:
阅读全文
摘要：In [2]: import numpy as np tang_array=np.array([[1,2,3],[4,5,6]]) tang_array Out[2]: array([[1, 2, 3], [4, 5, 6]]) In [3]: np.sum(tang_array) Out[3]:
阅读全文
摘要：In [1]: import numpy as np 对于ndarra结构来说，里面所有的元素必须 是同一类型的如果不是的话，会自动的向下进行转换 In [2]: tang_list=[1,2,3,4,5] tang_array=np.array(tang_list) tang_array Out[
阅读全文
摘要：In [1]: import numpy as np In [2]: array=[1,2,3,4,5] array+1#没定义成numpy.ndarray类型是不能直接操作的 TypeError Traceback (most recent call last) <ipython-input-2-
阅读全文
摘要：Numpy 练习题¶ 打印当前Numpy版本 In [1]: import numpy as np In [2]: print(np.__version__) 1.16.4 造一个全零矩阵，并打印其占用的内存大小 In [3]: z=np.zeros((5,5)) print('%d bytes'%
阅读全文
摘要：In [2]: import numpy as np In [3]: %%writefile tang1.txt 1 2 3 4 5 6 2 3 4 5 6 7 Overwriting tang1.txt 从文件里读取数据，再转换成np.array的结构 In [4]: data=[] with o
阅读全文
摘要：numpy的随机模块¶ In [1]: import numpy as np #所有的值是0-1 np.random.rand(3,2) Out[1]: array([[0.98738572, 0.97762081], [0.14287661, 0.94177989], [0.65183727, 0
阅读全文
摘要：In [2]: import numpy as np x=np.array([5,5]) y=np.array([2,2]) 乘法 In [3]: np.multiply(x,y) Out[3]: array([10, 10]) In [4]: np.dot(x,y)#内积 Out[4]: 20 I
阅读全文
摘要：Python¶ （一）四个数字：1、2、3、4，组成多少个互不相同且无重复数字的三位数？各是多少？ In [1]: b=[] for i in range(1,5): for j in range(1,5): for k in range(1,5): if(i!=j)and(i!=k)and(j!=
阅读全文
摘要：类：面向对象¶ In [1]: class people : '帮助信息：' #所有实例都会共享 number=100 #构造函数，初始化的方法，当创建一个类的时候，首先会调用他 注意：下划线是2个 def __init__(self,name,age): self.name=name self.a
阅读全文
摘要：In [1]: import math for i in range(10): try: input_number=input('write a number') if input_number=='q': break result=math.log(float(input_number)) pri
阅读全文
摘要：读写文件等操作¶ 1.在当前路径下创建文件夹mkdir或者makedirs 2.打开当前路径下的文件夹，并创建文件open 3.以写入模式打开新文件读写模式： r只读,r+读写,w新建(会覆盖原有文件),a追加,b二进制文件¶ 常用读写模式¶ 如:'rb','wb','r+b'等等¶ 读写模式的类型
阅读全文
摘要：集合 只保留下来唯一的元素 tang=[123,123,456,789,] tang=set(tang) tang {123, 456, 789} tang=set() type(tang) set tang=set([123,123,456,456,789,789]) tang {123, 456
阅读全文
浙公网安备 33010602011771号