11-21

摘要： numpy 与pandas In [46]: import numpy as np import pandas as pd np.add()/df.add() 加法运算 + np.aubtract()/df.aubtract() 减法运算 - np.megative() 负数运算 - np.mult 阅读全文

摘要： random #用于生成随机数 In [1]: import random #用于生成随机数 In [3]: random.random()#随意生成 Out[3]: 0.5923203537141584 In [4]: random.uniform(1,2)#制定区间 Out[4]: 1.0999 阅读全文

摘要： #马拉松数据随堂练习 import json import pandas as pd import numpy as np !curl -O https://raw.githubusercontent.com/jakevdp/marathon-data/master/marathon-data.cs 阅读全文

摘要： import matplotlib import matplotlib.pyplot as plt plt.style.use("classic") #显示风格 %matplotlib inline import numpy as np In [5]: x=np.linspace(0,10,100) 阅读全文

摘要： import numpy as np #矩阵计算包 In [2]: #1创建数组 np.array([1,3,5]) Out[2]: array([1, 3, 5]) In [5]: np.array([[1,3,5],[2,7,9]]) Out[5]: array([[1, 3, 5], [2, 阅读全文

摘要： 魔法命令 In [1]: #%time 对单个语句执行时间计时用法放在需要计算的语句前面 %time sum(range(1000)) Wall time: 0 ns Out[1]: 499500 In [2]: #这个操作很快，可以用%timeit计算，该命令重复计算很多次以得到更精确的时间,重复 阅读全文

摘要： import pymysql import pandas as pd In [4]: conn=pymysql.Connect("192.168.1.8","root","Password","mysqljingjie",charset="utf8") conn #建立连接，连接之后打印conn'查 阅读全文

摘要： 在日常分析工作中，80%左右的时间用于清洗数据，所以掌握数据清洗相当重要 阅读全文