py数据分析 - 随笔分类 - 风hua

摘要：pandas相关链接 1 第十六篇 Py数据分析（基本操作&连结数据库） 2 14种方式，34个案例：对比SQL，学习Pandas操作 3 Pandas聚合统计 4 Py数据分析-txt笔记 .... 阅读全文

posted @ 2021-09-01 18:51 风hua 阅读(38) 评论(0) 推荐(0)

摘要：字典-列表 >DataFrame # 方式一： # 单个字典（eg:a={'name': 'hw', 'age': 16}）转换为DataFrame data =pd.DataFrame() a =dict(name="hw",age=16) if data.empty: data =pd.Data 阅读全文

posted @ 2021-07-12 11:51 风hua 阅读(285) 评论(0) 推荐(0)

pandas-时间操作

摘要：%matplotlib notebook import datetime dt = datetime.datetime(year=2017,month=11,day=24,hour=10,minute=30) dt datetime.datetime(2017, 11, 24, 10, 30) pr 阅读全文

posted @ 2021-07-04 18:00 风hua 阅读(115) 评论(0) 推荐(0)

10 综合实战--用户消费行为分析

摘要：import numpy as np import pandas as pd from pandas import DataFrame,Series import matplotlib.pyplot as plt #CDNOW_master.txt 第一部分：数据类型处理数据加载字段含义： us 阅读全文

posted @ 2021-06-22 16:38 风hua 阅读(107) 评论(0) 推荐(0)

1 常用的Pandas函数

摘要：20个常用的函数方法 1.读取数据 marketing = pd.read_csv("DirectMarketing.csv") groceries = pd.read_csv("Groceries_dataset.csv") df = pd.read_csv("Churn_Modelling.cs 阅读全文

posted @ 2021-06-21 12:33 风hua 阅读(208) 评论(0) 推荐(0)

Py 数据分析目录

摘要：Py 数据分析目录 1 numpy 2 Series&Pandas 3 Pandas实战-股票分析 4 Pandas--重复值&nan值清洗 5 dataframe级联与合并操作 6 pandas人口分析案例 7 Pandas-替换，映射，分组，透视表 8 pandas实战-美国大选数据分析 9 阅读全文

posted @ 2021-06-16 13:47 风hua 阅读(104) 评论(0) 推荐(0)

9 matplotlib

摘要：matplotlib 参考：https://matplotlib.org/index.html In [1]: import matplotlib.pyplot as plt import numpy as np plt.plot()绘制线性图¶ 绘制单条线形图绘制多条线形图设置坐标系的比例pl 阅读全文

posted @ 2021-06-16 13:40 风hua 阅读(112) 评论(0) 推荐(0)

8 pandas实战-美国大选数据分析

摘要：import numpy as np import pandas as pd #方便大家操作，将月份和参选人以及所在政党进行定义： months = {'JAN' : 1, 'FEB' : 2, 'MAR' : 3, 'APR' : 4, 'MAY' : 5, 'JUN' : 6, 'JUL' : 阅读全文

posted @ 2021-06-16 13:34 风hua 阅读(171) 评论(0) 推荐(0)

7 Pandas-替换，映射，分组，透视表

摘要：import numpy as np import pandas as pd from pandas import DataFrame 替换操作替换操作可以同步作用于Series和DataFrame中单值替换普通替换：替换所有符合要求的元素:to_replace=15,value='e' 按阅读全文

posted @ 2021-06-16 13:32 风hua 阅读(147) 评论(0) 推荐(0)

6 pandas人口分析案例

摘要：需求：导入文件，查看原始数据将人口数据和各州简称数据进行合并将合并的数据中重复的abbreviation列进行删除查看存在缺失数据的列找到有哪些state/region使得state的值为NaN，进行去重操作为找到的这些state/region的state项补上正确的值，从而去除掉sta 阅读全文

posted @ 2021-06-16 13:25 风hua 阅读(327) 评论(0) 推荐(0)

5 dataframe级联与合并操作

摘要：import pandas as pd import numpy as np 级联操作 pd.concat, pd.append pandas使用pd.concat函数，与np.concatenate函数类似，只是多了一些参数： objs axis=0 keys join='outer' / 'in 阅读全文

posted @ 2021-06-16 13:23 风hua 阅读(173) 评论(0) 推荐(0)

4 Pandas--重复值&nan值清洗

摘要：import pandas as pd from pandas import DataFrame import numpy as np 处理丢失数据有两种丢失数据： None np.nan(NaN) 两种丢失数据的区别 type(None) NoneType type(np.nan) float 阅读全文

posted @ 2021-06-16 13:05 风hua 阅读(182) 评论(0) 推荐(0)

3 Pandas实战-股票分析

摘要：需求：股票分析使用tushare包获取某股票的历史行情数据。输出该股票所有收盘比开盘上涨3%以上的日期。输出该股票所有开盘比前日收盘跌幅超过2%的日期。假如我从2010年1月1日开始，每月第一个交易日买入1手股票，每年最后一个交易日卖出所有股票，到今天为止，我的收益如何？ tushare财经阅读全文

posted @ 2021-06-16 12:57 风hua 阅读(160) 评论(0) 推荐(0)

2 Series&Pandas

摘要：为什么学习pandas numpy已经可以帮助我们进行数据的处理了，那么学习pandas的目的是什么呢？ numpy能够帮助我们处理的是数值型的数据，当然在数据分析中除了数值型的数据还有好多其他类型的数据（字符串，时间序列），那么pandas就可以帮我们很好的处理除了数值型的其他数据！什么是pan 阅读全文

posted @ 2021-06-16 12:45 风hua 阅读(71) 评论(0) 推荐(0)

1 numpy

摘要：什么是数据分析是把隐藏在一些看似杂乱无章的数据背后的信息提炼出来，总结出所研究对象的内在规律使得数据的价值最大化分析用户的消费行为制定促销活动的方案制定促销时间和粒度计算用户的活跃度分析产品的回购力度分析广告点击率决定投放时间制定广告定向人群方案决定相关平台的投放 ...... 阅读全文

posted @ 2021-06-16 12:37 风hua 阅读(70) 评论(0) 推荐(0)

第十六篇 Py数据分析（基本操作&连结数据库）

摘要：概要 1 常用pandas操作方法 2 pandas操作数据库 1 常用pandas操作方法：创建DataFrame数据查看数据相关信息查看头尾文件花样取数切片取数常见函数使用首先，导入包 import pandas as pd import numpy as np # 01 创建Da 阅读全文

posted @ 2021-06-16 12:19 风hua 阅读(839) 评论(0) 推荐(0)

Pandas聚合统计

摘要：Pandas聚合统计链接：https://mp.weixin.qq.com/s/vKsx3nJDxCfqwCaPTWkzpA 导读：Pandas是当前Python数据分析中最为重要的工具，其提供了功能强大且灵活多样的API，可以满足使用者在数据分析和处理中的多种选择和实现方式。今天本文以Panda 阅读全文

posted @ 2021-06-11 14:15 风hua 阅读(240) 评论(0) 推荐(0)

Py数据分析-txt笔记

摘要：pandas 相关笔记入门Pandas不可不知的技巧 https://mp.weixin.qq.com/s/tOyVJJYuh7RInHbIeKOMnw 如果你用 Python 做数据分析，必然会绕不过 Pandas 的使用，实际上， Python 也是由于 numpy、pandas 等数据科学库阅读全文

posted @ 2021-05-27 10:53 风hua 阅读(60) 评论(0) 推荐(0)

随笔分类 - py数据分析

公告