2025年3月18日
pandas索引堆叠、数据合并与分组、数据离散化
摘要： 一、df的索引堆叠 在用pandas进行数据重排时，经常用到stack和unstack两个函数。stack的意思是堆叠，堆积，unstack即“不要堆叠” 可以简单的理解为stack()将数据从表格转换为花括号（思维导图那种）格式，unstack()将数据从花括号（思维导图那种）转换为表格格式 详情 阅读全文
posted @ 2025-03-18 15:37 BigSun丶 阅读(80) 评论(0) 推荐(0)
pandas处理重复值、缺失值、异常值
摘要： 一、drop_duplicates() 去重 # 语法： drop_duplicates(subset=None, keep=‘first’, inplace=False, ignore_index=False) 参数： subset: 设置根据列的子集来判断重复值，默认根据DataFrame的所有 阅读全文
posted @ 2025-03-18 15:37 BigSun丶 阅读(184) 评论(0) 推荐(0)
pandas对象的简单运算和统计运算
摘要： pandas对象的简单运算和统计运算 一、简单运算 与普通数字的加减乘除 直接将选择的数据 使用运算符号 + - * /即可 pandas对象（series、df、ml）之间的加减乘除 pandas提供了add()、sub()、mul()和div()分别表示加减乘除（注意乘法是对应元素相乘，而不是矩 阅读全文
posted @ 2025-03-18 15:36 BigSun丶 阅读(62) 评论(0) 推荐(0)
pandas中的基本数据操作
摘要： pandas中的基本数据操作 一、df对象的删除 分为删除行、列 和去重两种删除 1. drop() 删除行、列 # 语法： df.drop(labels=None, axis=0, index=None, columns=None, level=None, inplace=False, error 阅读全文
posted @ 2025-03-18 15:36 BigSun丶 阅读(67) 评论(0) 推荐(0)
pandas入门
摘要： 一、pandas入门 1. pandas有什么用 pandas是一个数据分析工具，但是Numpy已经能够帮助我们处理数据，能够结合matplotlib解决部分数据展示等问题，那么pandas学习的目的在什么地方呢 增强图表可读性，比如我们想打印出类似成绩单一样的数据，行和列有明文表示的意义 便捷的数 阅读全文
posted @ 2025-03-18 15:35 BigSun丶 阅读(19) 评论(0) 推荐(0)
2025年3月12日
Numpy常用方法扩展
摘要： 1. numpy中常用的方法 获取最大值最小值的位置（索引） numpy.argmax(ndarray,axis=None) numpy.argmin(ndarray,axis=None) 当查找的轴上有多个最大值或最小值，则会返回较小的索引 创建一个全0的数组：numpy.zeros() zero 阅读全文
posted @ 2025-03-12 16:36 BigSun丶 阅读(34) 评论(0) 推荐(0)
numpy数组的合并、分割和行列交换
摘要： numpy数组的合并、分割和行列交换 一、numpy数组的拼接 有两种拼接方法numpy.vstack(元组) 和 numpy.hstack(元组) numpy.vstack()，竖直拼接，将传入的数组按照从上往下依次的堆叠，相当于，向下append numpy.hstack()，水平拼接，将传入的 阅读全文
posted @ 2025-03-12 16:35 BigSun丶 阅读(65) 评论(0) 推荐(0)
numpy中的nan和inf
摘要： numpy中的nan和inf numpy中有两个特殊数值nan 和 inf 一、nan和inf 1. nan nan全称为 not a number ，表示不是一个数字 对于nan，任何数值（包括其本身）和它的比较都是false的结果，因为nan不等于任何值 什么时候数组中会出现nan： 当我们读取 阅读全文
posted @ 2025-03-12 16:34 BigSun丶 阅读(231) 评论(0) 推荐(0)
numpy中数值的修改和比较运算
摘要： numpy中数值的修改和比较运算 numpy中，同一个数值的整型不等于其浮点型数值，如 整型10和浮点型10.，这个表达式 10 == 10.的比较结果为false 一、简单改值 直接将取出的值、行、列重新进行赋值即可 import numpy as np # 约定俗成的一种命名 a = np.ar 阅读全文
posted @ 2025-03-12 16:34 BigSun丶 阅读(30) 评论(0) 推荐(0)
numpy索引取值和切片
摘要： numpy索引取值和切片 ndarray对象的内容可以通过索引或切片来访问和修改，与 Python 中 list 的切片操作一样，索引也是从0开始往后 切片有两种方式，下面两种切片方式的区间，冒号两边也遵循左闭右开的规则：[...) 同列表[start:end:step]切片类似，ndarray 数 阅读全文
posted @ 2025-03-12 16:34 BigSun丶 阅读(52) 评论(0) 推荐(0)
下一页