千里之行，始于足下

摘要： 在 pandas 中，如果遇到数据量特别大的情况，随机挑选 DataFrame 的子集可以帮助我们更深入地了解数据，从而更好地进行数据分析和决策。 随机挑选子集的用途主要有： 评估数据质量：随机挑选 DataFrame 的子集可以帮助我们检查数据集的质量，以便进一步探索和挖掘数据。例如，我们可以通过 阅读全文

摘要： 日常分析数据时，只有单一数据文件的情况其实很少见，更多的情况是，我们从同一个数据来源定期或不定期的采集了很多数据文件；或者从不同的数据源采集多种不同格式的数据文件。 在这样的情况下，分析数据之前，需要将不同的数据集合并起来。合并数据一般有两个维度，一是同构的数据集合并后行数增加；一是异构的数据集合并 阅读全文

摘要： 学习pandas的过程中，为了尝试pandas提供的各类功能强大的函数，常常需要花费很多时间去创造测试数据。 在pandas中，快速创建测试数据可以更快的评估 pandas 函数。通过生成一组测试数据，可以评估例如 read_csv、read_excel、groupby等函数，以确保这些函数在处理不 阅读全文

摘要： 概述 NumPy是一个开源的科学计算库，它提供了高效的数值计算和数组操作功能，主要包括： 多维数组的创建、操作和索引。 数组的切片、拼接和转置。 数组的乘法、除法、求导、积分、对数等基本运算。 数组的逐元素操作、求平均值、中位数、众数等统计量。 数组作为列表、元组等数据类型进行传递和返回。 与其他数 阅读全文

摘要： 目前为止，介绍的numpy数组基本都是关于数值的，其实，numpy本身就是一个用于数值计算的基础库。 不过，除了数值计算之外，numpy也能够支持结构化数组。 1. 关联不同类型数据 numpy的数组为了提高计算性能，要求数组的数据类型要一致。但是现实情况下，我们经常遇到不是纯数值的数组，比如： n 阅读全文

摘要： numpy 数组通常是用于数值计算的多维数组，而排序功能可以快速、准确地对数据进行排序，从而得到更加清晰、易于分析的结果。 在数据分析和处理过程中，常常需要对数据进行排序，以便更好地理解和发现其中的规律和趋势。 排序会应用在很多场景中，比如： 数据分类：将数据按照一定的特征进行分类，可以通过 num 阅读全文

摘要： 数组索引是指在numpy数组中引用特定元素的方法。numpy的数组索引又称为fancy indexing，比其他编程语言的索引强大很多。 1. 选取数据 numpy的索引除了像其他语言一样选择一个元素，还可以间隔着选取多个元素，也可以用任意的顺序选取元素。 比如一维数组： arr = np.rand 阅读全文

摘要： 在numpy中，数组可以看作是一系列数值的有序集合，可以通过下标访问其中的元素。处理数组的过程中，经常需要用到数组过滤功能。 过滤功能可以在处理数据时非常有用，因为它可以使数据更加干净和可读性更强。例如，在进行数据分析时，通常需要去除异常值，过滤掉不必要的元素可以使数据更加易于分析和处理。 nump 阅读全文

摘要： numpy的广播计算是指在多维数组上进行的一种高效计算方式。 它可以将计算任务分配到每个维度上，并且可以在计算过程中进行数据共享和同步，从而提高计算效率和精度。 广播计算在数值计算、科学计算、机器学习等领域都有广泛的应用。 例如，在数值计算中，广播计算可以用于求解大规模的非线性方程组；在科学计算中， 阅读全文

摘要： 上一篇介绍的通用计算是关于多个numpy数组的计算， 本篇介绍的聚合计算一般是针对单个数据集的各种统计结果，同样，使用聚合函数，也可以避免繁琐的循环语句的编写。 元素的和 数组中的元素求和也就是合计值。 调用方式 聚合计算有两种调用方式，一种是面向对象的方式，作为numpy数组对象的方法来调用： i 阅读全文