摘要： data=pd.DataFrame({'v_id':['d1','d2'], 'pred_class':['cat,dog','other_label,fish'], 'pred':[[0.72,0.65],[0.11,0.23]], 'id_part':['d',5],}) data=pd.Dat 阅读全文

摘要： time.strftime里面有很多参数，可以让你能够更随意的输出自己想要的东西：下面是time.strftime的参数：strftime(format[, tuple]) -> string将指定的struct_time(默认为当前时间)，根据指定的格式化字符串输出python中时间日期格式化符号 阅读全文

摘要： np.newaxis的作用就是在这一位置增加一个一维，这一位置指的是np.newaxis所在的位置，比较抽象. In[65]:l=np.arange(10) l Out[65]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) In[65]:l=np.arange(10) 阅读全文

摘要： df.where(cond,other...) df.mask() df.where将series中不满足cond的那些值替换为other df.mask()结果与where()相反 df.where(cond,other...) df.mask() df.where将series中不满足cond的 阅读全文

摘要： In[38]:import pandas as pd m_index1=pd.MultiIndex(levels=[['A','B'],['x1','x2']],labels=[[0,1],[0,1]],name=[None,"class2"]) m_index1 Out[38]: MultiInd 阅读全文

摘要： pd.wide_to_long() pd.wide_to_long(df,stubnames(提取以指定字符串开头的列),i（用作索引的列）,j（提取开头后剩余的部分会成一列，在此指定列名）,sep（分隔符）,suffix（捕获正则表达式匹配的后缀）) pd.wide_to_long() pd.wi 阅读全文

摘要： df.melt(),df.pivot() 互为逆转函数 df.melt(),df.pivot() 互为逆转函数 df.melt(),df.pivot() 互为逆转函数 df.melt(),df.pivot() 互为逆转函数 In [23]: df=pd.DataFrame({'A':['a','b' 阅读全文

摘要： 根据数据类型选择特征 select_dtypes(include=['']/exclude=[]) 根据数据类型选择特征 select_dtypes(include=['']/exclude=[]) 根据数据类型选择特征 select_dtypes(include=['']/exclude=[]) 阅读全文

摘要： quantile() 确定四分位数的位置有两种方法， 方法1 pos = (n+1)p 方法2 pos = 1+(n-1)p pandas 中使用的是方法2确定的。默认使用linear插值 quantile() 确定四分位数的位置有两种方法， 方法1 pos = (n+1)p 方法2 pos = 1 阅读全文

摘要： concat,merge的区别 concat,merge的区别 concat,merge的区别 concat,merge的区别 In [154]: data1=pd.DataFrame(np.arange(6).reshape(2,3),columns=list('abc')) data2=pd.D 阅读全文