摘要：
Pandas数据规整 - 转换 - 离散化和面元划分 离散数据和连续数据 连续数据： 例如：降雨量：0，5， 10， 100 例如：年龄：0， 10， 20， 50， 100 并不是用数值表示就是连续数据，例如性别用0，1表示，仍然是离散数据 离散数据 例如：降雨量：晴，小雨，中雨，大雨，暴雨 例如 阅读全文
摘要：
Pandas数据排序 .sort_index() 在指定轴上根据索引进行排序，索引排序后内容会跟随排序 b = pd.DataFrame(np.arange(20).reshape(4,5),index=['c','a','d','b']) b.sort_index() # 默认按行索引排序，默认升 阅读全文
摘要：
数据规整（数据预处理，数据清洗） 数据规整的一般分类： 清理 转换 合并 重塑 Pandas数据规整-清理： 对指定数据（如缺失数据、重复数据）进行处理（检查、替换、删除） 缺失值的表示：np.nan 检查缺失值：isnull(),notnull(),info() 删除缺失值：dropna() 填充 阅读全文
摘要：
pandas绘图 pandas绘图是基于matplotlib的上层封装 正常工作一般先用pandas绘图，再辅以matplotlib修改组件 Pandas绘图的优势： 代码简洁 针对pandas数据结构专门优化过（series/DataFrame） 劣势： pandas绘图自定义程度较差 matpl 阅读全文
摘要：
重塑和轴向旋转 有许多用于重新排列表格型数据的基础运算，这些函数也成为重塑或轴向旋转运算 数据重塑和轴向选择操作：表示转换一个表格或向量的结构，使其适合于进一步的分析 重塑层次化索引 层次化索引喂DataFrame数据重新排列任务提供一种具有良好的一致性的方式 主要功能有2： stack()列转换行 阅读全文
摘要：
python科学计算的基本方式： 向量化运算（矢量化运算），并行计算，摒弃了循环遍历(标量运算)，浪费内存衡量一个人会不会用pandas做数据分析 会不会做聚合推导透视表，交叉表 会不会矢量化编程完成项目 自定义运算 apply（）：Series和DataFrame通用自定义运算函数（计算行/列） 阅读全文
摘要：
pandas对象修改试图模式和副本模式视图模式：多个变量指向同一个内存 修改一个变量另外一个变量也会改变 操作如：将一个对象整体赋值给另外一个变量 副本模式 修改一个变量，另外一个变量不会变 操作如：将一个对象查询的一部分赋值给另外一个变量 当一个对象整体赋值给另一个变量时，视图模式，2个变量对应的 阅读全文
摘要：
DataFrame数据结构是pandas最常用的数据类型对象是由多个Series增加一个索引后组成的一种表格类型数据结构 行索引：表明不同行，横向索引，叫index 0轴，axis=0 列索引：表明不同列，纵向索引，叫coluns 1轴，axis=1 创建： 列表创建：ndarray数组创建 字典创 阅读全文
摘要：
Series创建方式 列表创建 字典创建 其他创建 建议存储同一类型数据 # 列表创建 a = pd.Series([2,3,4,5,6],index=[1,2,3,4,5]) # 索引就是字典的键 d = pd.Series({ 'name':'张三', 'age': 18, 'gender': 阅读全文
摘要：
1.Virtual DOM 1.将网页所有内容映射到一颗树形结构的层级对象模型上，浏览器提供对dom的支持，用户可以是用脚本调用dom，api来动态修改dom节点，从而达到修改网页目的，这种修改是浏览器完成的，浏览器会根据dom的改变重新绘制改变的dom节点部分 2.修改dom重新绘制渲染的代价太高 阅读全文