不详·Christina

摘要： 查看数据 详见基础用法 (opens new window)文档。 下列代码说明如何查看 DataFrame 头部和尾部数据： In [13]: df.head() Out[13]: A B C D 2013-01-01 0.469112 -0.282863 -1.509059 -1.135632 阅读全文

摘要： 下面的 df 这个 DataFrame (opens new window)里的值都是浮点数，DataFrame.to_numpy() (opens new window)的操作会很快，而且不复制数据。 In [17]: df.to_numpy() Out[17]: array([[ 0.4691, 阅读全文

摘要： describe() (opens new window)可以快速查看数据的统计摘要： In [19]: df.describe() Out[19]: A B C D count 6.000000 6.000000 6.000000 6.000000 mean 0.073711 -0.431125 阅读全文

摘要： 选择 提醒 选择、设置标准 Python / Numpy 的表达式已经非常直观，交互也很方便，但对于生产代码，我们还是推荐优化过的 Pandas 数据访问方法：.at、.iat、.loc 和 .iloc。 详见索引与选择数据 (opens new window)、多层索引与高级索引 (opens n 阅读全文

摘要： 按标签选择 详见按标签选择 (opens new window)。 用标签提取一行数据： In [26]: df.loc[dates[0]] Out[26]: A 0.469112 B -0.282863 C -1.509059 D -1.135632 Name: 2013-01-01 00:00: 阅读全文

摘要： 用标签切片，包含行与列结束点： In [28]: df.loc['20130102':'20130104', ['A', 'B']] Out[28]: A B 2013-01-02 1.212112 -0.173215 2013-01-03 -0.861849 -2.104569 2013-01-0 阅读全文

摘要： 按位置选择 详见按位置选择 (opens new window)。 用整数位置选择： In [32]: df.iloc[3] Out[32]: A 0.721555 B -0.706771 C -1.039575 D 0.271860 Name: 2013-01-04 00:00:00, dtype 阅读全文

摘要： 第一部分 打好基础 第一章 欢迎进入软件构建的世界 > 软件构建的定义：包括编码与调试、单元测试、规划构建、集成等，没有给出一个明确的定义。 > 软件构建的重要性：软件构建是编写大型项目最重要的、不可或缺的部分。 第二章 用隐喻来更充分地理解软件开发 > 对软件开发地隐喻不是明确的标准，而是微妙的启 阅读全文

摘要： 布尔索引 用单列的值选择数据： In [39]: df[df.A > 0] Out[39]: A B C D 2013-01-01 0.469112 -0.282863 -1.509059 -1.135632 2013-01-02 1.212112 -0.173215 0.119209 -1.044 阅读全文

摘要： 赋值 用索引自动对齐新增列的数据： In [45]: s1 = pd.Series([1, 2, 3, 4, 5, 6], index=pd.date_range('20130102', periods=6)) In [46]: s1 Out[46]: 2013-01-02 1 2013-01-03 阅读全文