2019年9月28日

matplotlib基础学习
摘要： // <![CDATA[ MathJax.Hub.Config({ tex2jax: { inlineMath: [ ['$','$'], ["\\(","\\)"] ], displayMath: [ ['$$','$$'], ["\\[","\\]"] ], processEscapes: tr 阅读全文
posted @ 2019-09-28 21:17 FinnChan 阅读(172) 评论(0) 推荐(0)
 
pandas基础学习
摘要： // <![CDATA[ MathJax.Hub.Config({ tex2jax: { inlineMath: [ ['$','$'], ["\\(","\\)"] ], displayMath: [ ['$$','$$'], ["\\[","\\]"] ], processEscapes: tr 阅读全文
posted @ 2019-09-28 21:16 FinnChan 阅读(197) 评论(0) 推荐(0)
 
numpy基础学习
摘要： array.flattern() 展开成一维数组 array.dtype array.astype() 改变数组类型 array.where(条件，true，false) array.clip(min,max) array.mean() 均值 array.std() 标准差 np.round(arr 阅读全文
posted @ 2019-09-28 21:16 FinnChan 阅读(141) 评论(0) 推荐(0)
 
pandas之join、merge
摘要： join按行索引进行拼接，merge按列所以进行拼接¶ In [1]: import pandas as pd import numpy as np In [2]: d1 = pd.DataFrame(np.arange(12).reshape(3,4),index=list("ABC"),colu 阅读全文
posted @ 2019-09-28 21:15 FinnChan 阅读(242) 评论(0) 推荐(0)
 
pandas之索引
摘要： In [1]: import pandas as pd import numpy as np In [3]: d1 = pd.DataFrame(np.arange(12).reshape(3,4),index=list("ABC"),columns=list("WXYZ")) print(d1) 阅读全文
posted @ 2019-09-28 21:14 FinnChan 阅读(170) 评论(0) 推荐(0)
 
pandas之时间戳
摘要： In [1]: import pandas as pd import numpy as np import matplotlib.pyplot as plt In [2]: dtime = pd.date_range(start="20171201",end="20180131",freq="D") 阅读全文
posted @ 2019-09-28 21:12 FinnChan 阅读(658) 评论(0) 推荐(0)
 
pandas之统计
摘要： In [8]: import pandas as pd import matplotlib.pyplot as plt import numpy as np import time In [2]: temp_data = pd.read_csv("./IMDB-Movie-Data.csv") da 阅读全文
posted @ 2019-09-28 21:12 FinnChan 阅读(190) 评论(0) 推荐(0)
 
《利用python进行数据分析》之numpy
摘要： 在NumPy中使用numpy.string_类型作字符串数据时要小心，因为numpy会修正它的大小或删除输入而不发出警告。¶ numpy数组的切片是原数组的视图，对视图的修改会反映到原数组，想要拷贝时需要显示复制ndarray[:].copy()。区别于使用布尔值索引时，总是生成数据的拷贝¶ 切片里 阅读全文
posted @ 2019-09-28 21:10 FinnChan 阅读(252) 评论(0) 推荐(0)
 
《利用python进行数据分析》学习之文件加载、写入
摘要： csv文件读取¶ In [1]: import pandas as pd import sys In [2]: %cat examples/ex2.csv 1,2,3,4,hello 5,6,7,8,world 9,10,11,12,foo In [3]: #文件没有标签数据 pd.read_csv 阅读全文
posted @ 2019-09-28 21:07 FinnChan 阅读(356) 评论(0) 推荐(0)
 
《利用python进行数据分析》之数据处理
摘要： In [1]: import pandas as pd import numpy as np 删除缺失值¶ In [2]: df = pd.DataFrame(np.random.randn(6,3)) df.iloc[:4,1] = np.NaN df.iloc[:2,2] = np.NaN df 阅读全文
posted @ 2019-09-28 21:06 FinnChan 阅读(230) 评论(0) 推荐(0)