随笔分类 - python3数据结构科学包
numpy、pandas、matplotlib
摘要:下面的图型是在一幅画布上建立的四个球员相关数据的极坐标图 关于这个图的代码如下: 上述代码也可以利用for循环简化一下
阅读全文
摘要:关于matplotlib的绘制图形的基本代码,我们可以参照下面的连接 https://matplotlib.org/gallery/index.html https://matplotlib.org/api/_as_gen/matplotlib.pyplot.subplot.html#matplot
阅读全文
摘要:周期由高频率转向低频率称为降采样:例如5分钟股票交易数据转换为日交易数据 相反,周期也可以由低频转向高频称为升采样 其他重采样:例如每周三(W-WED)转换为每周五(W-FRI)
阅读全文
摘要:时间戳tiimestamp:固定的时刻->pd.Timestamp 固定时期period:比如2016年3月份,再如2015年销售额->pd.Period 时间间隔interval:由起始时间和结束时间来表示,固定时期是时间间隔的一个特殊 时间日期在Pandas里的作用:分析金融数据,如股票交易数据
阅读全文
摘要:pandas在进行数据存储与输出时会做一些相应的操作 1.*索引:将一个列或多个列读取出来构成DataFrame,其中涉及是否从文件中读取索引以及列名 2 *类型推断和数据转换:包括用户自定义的转换以及缺失值标记 3 *日期解析 4*迭代:针对大文件进行逐块迭代。这个是Pandas和Python原生
阅读全文
摘要:通过聚合运算可以得到我们比较感兴趣的数据以方便处理
阅读全文
摘要:分组计算三部曲:拆分-->应用-->合并 分组:就是按照行或列把相同索引的部分分到一起 分组的关键词为groupby,分组后我们就可以对每组数据进行同一操作,返回的是每组数据分别计算后的结果
阅读全文
摘要:颜色和样式 pyplot:经典高层封装,到目前为止,我们所用的都是pyplotpylab:将Matplotlib和NumPy合并的模块,模拟Matlab的编程环境面向对象的方式:Matplotlib的精髓,更基础和底层的方式 pyplot:简单易用。交互使用方便,可以根据命令实时作图。但底层定制能力
阅读全文
摘要:散点图-scatter 散点图显示两组数据的值,每个点的坐标位置由变量的值决定由一组不连接的点完成,用于观察两种变量的相关 折线图 折线图是用直线段将各数据连接起来组成的图形常用来观察数据随时间变化的趋势 条形图 以长方形的长度为变量的统计图表,用来比较多个项目分类的数据大小,通常利用于较小的数据集
阅读全文
摘要:Panel创建的是三维的表 items:坐标轴0,索引对应的元素是一个DataFrame major_axis:坐标轴1,DataFrame里的行标签 minor_axis:坐标轴2,DataFrame里的列标签 下面看一下一些代码演练
阅读全文
摘要:对Series的理解也源于对其相关的代码操作,本次仅贴一些代码来加深理解以及记忆
阅读全文
摘要:数组的索引与切片 多维数组的索引 2. NumPy中的数组的切片 3. 布尔型索引 4. 花式索引 数组转置与轴对换 1. transpose函数用于数组转置,对于二维数组来说就是行列互换 2. 数组的T属性,也是转置 arr1 = arr.T与arr2=arr.transpose()效果一样 通用
阅读全文
摘要:Numpy的介绍 1. Ndarray:N-dimensional array, N维数组 2. 一种由相同类型的元素组成的多维数组,元素数量是事先指定好的 例:建立Ndarray多维数组 ndarray父类实现矩阵的创建基本方式: arr = np.array( [ [1,2,3,4], [2,3
阅读全文

浙公网安备 33010602011771号