导航

随笔分类 -  pandas

pandas函数解析
摘要:import pandas as pd import re def getNum(x): """ 科学计数法和字符转浮点数 """ if re.findall(r'\d+\.\d+E\+',x): return "%.f" % float(x) elif x=="C": return 1 else: ... 阅读全文

posted @ 2018-10-31 20:58 wzd321 阅读(2339) 评论(0) 推荐(0)

摘要:转载:https://blog.csdn.net/mvpboss1004/article/details/79188190 pandas中的get_dummies得到的one-hot编码数据类型是uint8,进行数值计算时会溢出!!! 1 uint82 uint83 uint8dtype: obje 阅读全文

posted @ 2018-10-29 14:34 wzd321 阅读(2548) 评论(0) 推荐(0)

摘要:分隔符 sep : Field delimiter for the output file (default ”,”) 替换空值 na_rep: A string representation of a missing value (default ‘’) 格式 float_format: Form 阅读全文

posted @ 2018-10-09 16:15 wzd321 阅读(3812) 评论(0) 推荐(0)

摘要:filepath_or_buffer: 文件的地址,可以是url。 sep: 分隔符的指定。 delimiter: str,定界符,如果指定该参数,sep参数失效。 delim_whitespace :boolean, default False. 指定空格(例如’ ‘或者’ ‘)是否作为分隔符使用 阅读全文

posted @ 2018-09-23 21:55 wzd321 阅读(746) 评论(0) 推荐(0)

摘要:objs: series,dataframe或者是panel构成的序列listaxis:需要合并链接的轴,0是行,1是列 join: 连接的方式 :inner,outer 1.相同字段的表首尾相接 相接的时候在加上一个层次的keys来识别数据源自于哪张表,可以增加keys参数: 2.行对齐进行拼接 阅读全文

posted @ 2018-09-19 11:48 wzd321 阅读(13872) 评论(0) 推荐(0)

摘要:import pandas as pd data = pd.DataFrame(np.arange(1,10).reshape(3,3),index=["a","b","c"],columns=["A","B","C"]) # ============================================================================... 阅读全文

posted @ 2018-09-19 11:16 wzd321 阅读(730) 评论(0) 推荐(0)

摘要:merge需要依据共同的某一列或者某一行来进行合并 left: 左表(DataFrame) right:右表(DataFrame) how:连接方式 left: 仅保留左表的键 right: 仅保留右表的键 outer:两表的键取并集 inner:两表的键取交集 on:用来对齐的那一列的名字,用到这 阅读全文

posted @ 2018-09-19 10:32 wzd321 阅读(1671) 评论(0) 推荐(0)

摘要:import pandas as pd import numpy as np df = pd.DataFrame(np.random.randn(4,3),columns=list("ABC"),index=[1,2,3,4]) #apply函数对DataFrame和Series的一列做整体运算 df.apply(lambda x:x.max()-x.min()) # =========... 阅读全文

posted @ 2018-09-16 15:47 wzd321 阅读(1027) 评论(0) 推荐(0)

摘要:卡方分布—chi-square distribution, χ2-distribution: 若k个独立的随机变量Z1, Z2,..., Zk 满足标准正态分布 N(0,1) , 则这k个随机变量的平方和: 为服从自由度为k的卡方分布,记作: 或者 卡方检验—χ2检验是以χ2分布为基础的一种假设检验 阅读全文

posted @ 2018-09-14 21:33 wzd321 阅读(4778) 评论(0) 推荐(0)