摘要：
Head 与 Tail head() 与 tail() 用于快速预览 Series 与 DataFrame，默认显示 5 条数据，也可以指定显示数据的数量。 属性与底层数据 Pandas 可以通过多个属性访问元数据： shape: 输出对象的轴维度，与 ndarray 一致 轴标签 Series: 阅读全文
posted @ 2020-04-13 15:54
Leon&Joker
阅读(1003)
评论(0)
推荐(0)
摘要：
CSV 写入 CSV 文件。 CSV 文件中显示： 读取 CSV 文件数据： HDF5 写入.读取 HDF5 Store： Excel 写入/读取 Excel 文件： 阅读全文
posted @ 2020-04-11 19:08
Leon&Joker
阅读(346)
评论(0)
推荐(0)
摘要：
阅读全文
posted @ 2020-04-11 18:38
Leon&Joker
阅读(140)
评论(0)
推荐(0)
摘要：
Pandas 的 DataFrame 里可以包含类别数据,将 grade 的原生数据转换为类别型数据： 用有含义的名字重命名不同类型，调用 Series.cat.categories。 重新排序各类别，并添加缺失类，Series.set_categories 的方法默认返回新 Series 按生成类 阅读全文
posted @ 2020-04-11 18:32
Leon&Joker
阅读(410)
评论(0)
推荐(0)
摘要：
Pandas 为频率转换时重采样提供了虽然简单易用，但强大高效的功能，如，将秒级的数据转换为 5 分钟为频率的数据。 时区表示： 转换成其它时区： 转换时间段： Pandas 函数可以很方便地转换时间段与时间戳。下例把以 11 月为结束年份的季度频率转换为下一季度月末上午 9 点： 阅读全文
posted @ 2020-04-11 18:11
Leon&Joker
阅读(238)
评论(0)
推荐(0)
摘要：
这个比较适合长时间操作Excel的人学习，话说回来excel 也有这样的功能，唯一的好处是python 程序会快点？ 大量数据时 打开excel电脑会卡死吧0.0 阅读全文
posted @ 2020-04-10 17:25
Leon&Joker
阅读(196)
评论(0)
推荐(0)
摘要：
重塑（Reshaping） #堆叠（Stack） 扫盲函数zip(): zip() 函数用于将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的对象，这样做的好处是节约了不少的内存。 我们可以使用 list() 转换来输出列表。如果各个迭代器的元素个数不一致，则返回列 阅读全文
posted @ 2020-04-10 16:32
Leon&Joker
阅读(186)
评论(0)
推荐(0)
摘要：
分组（Grouping） “group by” 指的是涵盖下列一项或多项步骤的处理流程： 分割：按条件把数据分割成多组； 应用：为每组单独应用函数； 组合：将处理结果组合成一个数据结构。 先分组，再用 sum()函数计算每组的汇总数据： 多列分组后，生成多层索引，也可以应用 sum 函数： 阅读全文
posted @ 2020-04-10 15:35
Leon&Joker
阅读(177)
评论(0)
推荐(0)
摘要：
合并（Merge） #结合（Concat） Pandas 提供了多种将 Series、DataFrame 对象组合在一起的功能，用索引与关联代数功能的多种设置逻辑可执行连接（join）与合并（merge）操作。 concat() 用于连接 Pandas 对象： 连接（join）SQL 风格的合并。 阅读全文
posted @ 2020-04-10 15:24
Leon&Joker
阅读(133)
评论(0)
推荐(0)
浙公网安备 33010602011771号