摘要：# -*- coding: utf-8 -*-"""Created on Mon Oct 31 13:48:19 2016 @author: QING""" import numpy as npimport scipy as spfrom scipy.optimize import leastsq 阅读全文

摘要：首先导入产生的数据 pd_data = pd.read_csv('data.csv').ix[:,['x','y']] 方法一 使用 sklearn.linear_model.Perceptron函数 代码如下： # -*- coding: utf-8 -*-"""Created on Tue Oc 阅读全文

摘要：利用python产生数据，数据分布如图 产生数据并导出到文件‘data.csv’ import pandas as pdimport numpy as npfrom pandas import DataFrame,Seriesimport mathimport matplotlib.pyplot a 阅读全文

摘要：pandas中的解析函数 read_csv() read_table() read_fwf()读取定宽列格式数据，没有分隔符。 read_clipboard()读取剪切板中数据 这些函数选项可以划分为以下几个大类： 索引，类型推断和数据转换，日期解析，迭代，不规整数据问题。 可以指定列名，也可以将指 阅读全文

摘要：整数索引 如果需要可靠的，不考虑索引类型，基于位置的索引可以使用Series的iget_value方法和DataFrame的irow，icol方法 ser = Series(range(3),index=[2,-4,4]) serOut[57]: 2 0-4 1 4 2dtype: int64 se 阅读全文

摘要：使用dataframe的列当做索引 frame = DataFrame({'a':range(7),'b':range(7,0,-1),'c':['one','one','one','two','two','two','two'],'d':[0,1,2,0,1,2,3]}) frame.set_in 阅读全文

摘要：pandas层次化索引，在轴上拥有多个级别索引。 MultiIndex(Hierarchical indexing) import pandas as pd from pandas import Series,DataFrame import numpy as np data = Series(np 阅读全文