09 2021 档案

pandas的函数应用二——排序
摘要：pandas的函数应用二——排序 索引排序 1、Series排序 import pandas as pd import numpy as np s1 = pd.Series(np.arange(5),index=list('dcafb')) s1 d 0 c 1 a 2 f 3 b 4 dtype: 阅读全文
posted @ 2021-09-23 18:30 故笺笺 阅读(131) 评论(0) 推荐(0)
pandas的函数应用一
摘要：pandas的函数应用 import pandas as pd import numpy as np df = pd.DataFrame(np.modf(np.random.randn(5,4)*100)[1].astype('int32'),columns=list('ABCD')) df A B 阅读全文
posted @ 2021-09-23 17:56 故笺笺 阅读(52) 评论(0) 推荐(0)
pandas的数据对齐
摘要：import pandas as pd import numpy as np 1、Series数据对齐 ps1 = pd.Series(np.arange(4),index=['a','b','c','d']) ps2 = pd.Series(np.arange(5),index=['a','c', 阅读全文
posted @ 2021-09-23 15:12 故笺笺 阅读(581) 评论(0) 推荐(0)
将一个二维数组的行和列分别进行逆向
摘要：将一个二维数组的行和列分别进行逆向 import numpy as np a = np.arange(15).reshape(3,5) print(a) # 反转行 a1 = a[::-1] #里面传一个数进去（没有出现逗号），代表的是只对行进行操作 print('反转行') print(a1) # 阅读全文
posted @ 2021-09-23 12:08 故笺笺 阅读(344) 评论(0) 推荐(0)
numpy——深拷贝和浅拷贝和不拷贝
摘要：深拷贝和浅拷贝 不拷贝： 如果只是简单的赋值，那么不会进行拷贝。 import numpy as np a= np.arange(10) print(a) b = a #赋值,对相同数值进行不同命名， print(b) print(b is a) [0 1 2 3 4 5 6 7 8 9] [0 1 阅读全文
posted @ 2021-09-23 11:57 故笺笺 阅读(141) 评论(0) 推荐(0)
numpy知识补充
摘要：是否改变原来数值 1、reshape和resize方法： 两个方法都是用来修改数组形状的，但是有一些不同。 reshape是将数组转换成指定的形状，然后返回转换后的结果，对于原数组的形状是不会发生改变的。 resize是将数组转换成指定的形状，会直接修改数组本身。并不会返回任何值。 2、flatte 阅读全文
posted @ 2021-09-23 11:46 故笺笺 阅读(97) 评论(0) 推荐(0)
Numpy数组索引与切片
摘要：Numpy数组索引与切片 1. `ndarray`对象的内容可以通过`索引`或`切片`来获取和修改，就像 Python 的内置容器对象一样。 2. `一维数组`:一维数组比较简单,看起来和python列表很类似。 3. `二维数组`:每个索引值对应的元素不在是一个值，而是一个一维数组 4. `多维数 阅读全文
posted @ 2021-09-23 11:30 故笺笺 阅读(208) 评论(0) 推荐(0)
numpy_数组的基本运算
摘要：数组的基本运算 数组的形状和类型修改 np.reshape(a,newshape,order='C'):原数组size不变的前提下，改变原数组的形状 np.resize(a,new_shape):改变原数组的形状和大小，与reshape不同的是可以改变数组的size。如果新数组大于原始数组，则新数组 阅读全文
posted @ 2021-09-22 20:07 故笺笺 阅读(282) 评论(0) 推荐(0)
NumPy 基本语法汇总
摘要：NumPy 数据结构属性以及数组创建 Numpy是Python科学计算库,用于快速处理任意维度的数组，可以处理N维数组， 支持向量化运算，其底层是由C语言编写的，运算速度相比较PYTHON会非常快， 这也是大数据常用numpy来计算的原因，其对数组的操作速度不受python解释器的影响。 首先先试一 阅读全文
posted @ 2021-09-22 14:52 故笺笺 阅读(277) 评论(0) 推荐(0)
datefram学习（持续更新）
摘要：1 # -*- coding:utf-8 -*- 2 # @Time : 2021/9/15:10:56 3 # @Author: gujian 4 # @File : datefram 数据表操作.py 5 6 ''' #查看数据表结构类型 7 df.info() 8 df.dtypes 9 '' 阅读全文
posted @ 2021-09-16 15:32 故笺笺 阅读(109) 评论(0) 推荐(0)