摘要：
索引（index）是 Pandas 的重要工具，通过索引可以从 DataFame 中选择特定的行数和列数，这种选择数据的方式称为“子集选择”。在 Pandas 中，索引值也被称为标签（label），它在 Jupyter 笔记本中以粗体字进行显示。索引可以加快数据访问的速度，它就好比数据的书签，通过它 阅读全文
posted @ 2021-12-05 13:47
菩提浪子
阅读(6037)
评论(0)
推荐(0)
摘要：
Excel 是由微软公司开发的办公软件之一，它在日常工作中得到了广泛的应用。在数据量较少的情况下，Excel 对于数据的处理、分析、可视化有其独特的优势，因此可以显著提升您的工作效率。但是，当数据量非常大时，Excel 的劣势就暴露出来了，比如，操作重复、数据分析难等问题。Pandas 提供了操作 阅读全文
posted @ 2021-12-05 13:45
菩提浪子
阅读(880)
评论(0)
推荐(0)
摘要：
当使用 Pandas 做数据分析的时，需要读取事先准备好的数据集，这是做数据分析的第一步。Panda 提供了多种读取数据的方法： read_csv() 用于读取文本文件 read_json() 用于读取 json 文件 read_sql_query() 读取 sql 语句的， 本节将对上述方法做详细 阅读全文
posted @ 2021-12-05 13:44
菩提浪子
阅读(1445)
评论(0)
推荐(0)
摘要：
Pandas 在数据分析、数据可视化方面有着较为广泛的应用，Pandas 对 Matplotlib 绘图软件包的基础上单独封装了一个plot()接口，通过调用该接口可以实现常用的绘图操作。本节我们深入讲解一下 Pandas 的绘图操作。Pandas 之所以能够实现了数据可视化，主要利用了 Matpl 阅读全文
posted @ 2021-12-05 13:42
菩提浪子
阅读(178)
评论(0)
推荐(0)
摘要：
通常情况下，数据集中会存在许多同一类别的信息，比如相同国家、相同行政编码、相同性别等，当这些相同类别的数据多次出现时，就会给数据处理增添许多麻烦，导致数据集变得臃肿，不能直观、清晰地展示数据。 针对上述问题，Pandas 提供了分类对象（Categorical Object），该对象能够实现有序排列 阅读全文
posted @ 2021-12-05 13:41
菩提浪子
阅读(480)
评论(0)
推荐(0)
摘要：
随机抽样，是统计学中常用的一种方法，它可以帮助我们从大量的数据中快速地构建出一组数据分析模型。在 Pandas 中，如果想要对数据集进行随机抽样，需要使用 sample() 函数。sample() 函数的语法格式如下： DataFrame.sample(n=None, frac=None, repl 阅读全文
posted @ 2021-12-05 13:40
菩提浪子
阅读(169)
评论(0)
推荐(0)
摘要：
顾名思义，时间序列（time series），就是由时间构成的序列，它指的是在一定时间内按照时间顺序测量的某个变量的取值序列，比如一天内的温度会随时间而发生变化，或者股票的价格会随着时间不断的波动，这里用到的一系列时间，就可以看做时间序列。时间序列包含三种应用场景，分别是： 特定的时刻（timest 阅读全文
posted @ 2021-12-05 13:39
菩提浪子
阅读(1127)
评论(0)
推荐(0)
摘要：
Pandas 通过 concat() 函数能够轻松地将 Series 与 DataFrame 对象组合在一起，函数的语法格式如下： pd.concat(objs,axis=0,join='outer',join_axes=None,ignore_index=False) 参数说明如下所示： 参数名称 阅读全文
posted @ 2021-12-05 13:34
菩提浪子
阅读(519)
评论(0)
推荐(0)
摘要：
Pandas 提供的 merge() 函数能够进行高效的合并操作，这与 SQL 关系型数据库的 MERGE 用法非常相似。从字面意思上不难理解，merge 翻译为“合并”，指的是将两个 DataFrame 数据表按照指定的规则进行连接，最后拼接成一个新的 DataFrame 数据表。 merge() 阅读全文
posted @ 2021-12-05 13:33
菩提浪子
阅读(570)
评论(0)
推荐(0)
摘要：
在数据分析中，经常会遇到这样的情况：根据某一列（或多列）标签把数据划分为不同的组别，然后再对其进行数据分析。比如，某网站对注册用户的性别或者年龄等进行分组，从而研究出网站用户的画像（特点）。在 Pandas 中，要完成数据的分组操作，需要使用 groupby() 函数，它和 SQL 的GROUP B 阅读全文
posted @ 2021-12-05 13:32
菩提浪子
阅读(1326)
评论(0)
推荐(0)
浙公网安备 33010602011771号