【WY】数据分析 — Pandas 阶段一 ：基础语法 五 —— 数值计算

最新推荐文章于 2025-07-29 22:53:47 发布
最新推荐文章于 2025-07-29 22:53:47 发布
阅读量267 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： 【二】数据分析 文章标签： 数据分析 python 数据挖掘
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/InitialHeart2021/article/details/121494536
本文介绍了Pandas库的基础语法，包括按行/列统计的参数axis、处理缺失值的skipna，以及统计方法如mean、unique、value_counts等。此外，还讲解了文本数据处理、数据合并（横向和纵向）以及去重和替换操作，适合Python数据分析初学者。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

版权声明：本文为博主原创文章，未经博主允许不得转载。

文章目录

一、基本参数

import numpy as np
import pandas as pd

# np.nan ：空值
df = pd.DataFrame(
    {
   
   'key1': [4
了解本专栏 订阅专栏 解锁全文 超级会员免费看
模型架构选择：从传统NLP到Transformer
AI天才研究院
03-02 573
自然语言处理（NLP）是人工智能的重要分支，旨在使计算机能够理解、解释和生成人类语言。随着互联网的发展和数据量的激增，NLP技术在文本分类、机器翻译、情感分析、问答系统等多个领域得到了广泛应用。然而，NLP任务的复杂性和多样性对模型架构提出了巨大挑战。传统的NLP模型架构，如基于规则的方法、统计模型、词袋模型等，虽然在早期取得了一定的成果，但随着数据规模和任务复杂度的增加，这些方法逐渐暴露出其局限性。为了应对这些挑战，研究人员不断探索新的模型架构，从传统的RNN、CNN，到近年来备受瞩目的Transform
Python 800 道习题 (°ー°〃) 测试你学废了嘛
python56123的博客
08-30 2150
嗨喽~大家好呀，这里是魔王呐! 不管你学没学废，博主的手反正是废了~哭惹！！！
jupyter notebook第四章pandas统计与计算基础，以及一些相关案例与函数的解析
张小鱼的博客
11-25 4110
Pandas（Python Data Analysis Library）是基于NumPy的数据分析模块，它提供了大量标准数据模型和高效操作大型数据集所需的工具，可以说Pandas是使得Python能够成为高效且强大的数据分析环境的重要因素之一。 pandas的导入方式：import pandas as pd pandas的数据结构：Series、DataFrame和Panel。Series类似于一维数组；DataFrame是类似表格的二维数组；Panel可以视为Excel的多表单Sheet
数据分析个人笔记
阳阳的博客
06-18 1万+
数据分析 一、 Jupyter Notebook Jupyter Notebook 有两种键盘输入模式。编辑模式，允许你往单元中键入代码或文本；这时的单元框线是绿色的。命令模式，键盘输入运行程序命令；这时的单元框线是灰色。 1、 命令模式 (按键 Esc 开启) Enter : 转入编辑模式 Shift-Enter : 运行本单元，选中下个单元 Ctrl-Enter : 运行本单元 Alt-Enter : 运行本单元，在其下插入新单元 Y : 单元转入代码状态 M :单元转入markdown状态 R :
用Pandas完成Excel中常见的任务
振裕
01-27 2万+
转自：http://python.jobbole.com/80870/ 本文由 伯乐在线 - 艾凌风 翻译，Daetalus 校稿。未经许可，禁止转载！ 英文出处：pbpython.com。欢迎加入翻译组。 引言 本文的目的，是向您展示如何使用pandas 来执行一些常见的Excel任务。有些例子比较琐碎，但我觉得展示这些简单的东西与那些你可以在其他地方找到的复杂功能同等重要。
python基础一
weixin_30823227的博客
05-30 198
Python介绍 python的出生与应用 　　python的创始人为吉多·范罗苏姆（Guido van Rossum）。1989年的圣诞节期间，吉多·范罗苏姆（中文名字：龟叔）为了在阿姆斯特丹打发时间，决心开发一个新的脚本解释程序，作为ABC语言的一种继承。 （龟叔：2005年加入谷歌至2012年，2013年加入Dropbox直到现在，依然掌握着Python发展的核心方向，被称为仁...
《Python数据科学手册》---Numpy学习笔记(万字)
羊小猪~~的博客
08-13 1355
c = a + bd = a + 5结果：广播允许在不同大小的数组上执行这些类型的二进制操作——例如，我们可以很容易地向数组中添加标量.MM + a虽然这些示例相对容易理解，但更复杂的情况可能涉及两个数组的广播。print(a)print(b)结果：[0 1 2][[0][1][2]]a + b[1, 2, 3],
ML/DL大全
星尘逸风的博客
10-06 3712
PS：是我所了解的大全 目录 ML相关： KNN、朴素贝叶斯、决策树、集成算法、SVM、kmeans、DBSCAN、协同过滤算法、Apriori算法、FP-growth算法、PCA、SVD DL相关： 线性回归、逻辑回归、正则化、dropout、norm、BN、激活函数、梯度下降法、optimizer CNN、YOLO、siamese 自编码、迁移学习、神经风格迁移、Gan RNN、GRU、L...
python面试题搜集
热门推荐
花开如雨的博客
10-21 27万+
1. Python面试题搜集（一） 2019 Python最新面试题及答案16道题吐血总结！50道Python面试题集锦（附答案） Python是目前编程领域最受欢迎的语言。在本文中，我将总结Python面试中最常见的50个问题。每道题都提供参考答案，希望能够帮助你在2019年求职面试中脱颖而出，找到一份高薪工作。这些面试题涉及Python基础知识、Python编程、数据分析以及Python函数库等多个方面。 Q1、Python中的列表和元组有什么区别？ Q2、Python的主要功能是什么？ Python
Python 数据分析（二）：Matplotlib 绘图
weixin_66348343的博客
07-26 1120
如何用 Matplotlib 绘制常用统计图？
【Python数据采集】Python爬取小红书搜索关键词下面的所有笔记的内容、点赞数量、评论数量等数据，绘制词云图、词频分析、数据分析
吃醋蘸饺子叭
07-20 2892
本教程介绍如何使用Python爬取小红书指定关键词下的笔记数据（包括内容、点赞量、评论量等），并进行数据分析。爬虫部分通过模拟请求头获取数据，利用JavaScript逆向生成签名绕过反爬机制，将结果保存为CSV文件。数据分析部分对文本进行清洗、分词，使用jieba和wordcloud生成词云图，通过matplotlib绘制词频柱状图，直观展示高频词汇分布。程序实现了从数据采集到可视化的完整流程，适用于小红书内容分析场景。
python优秀案例：基于机器学习算法的景区旅游评论数据分析与可视化系统，技术使用django+lstm算法+朴素贝叶斯算法+echarts可视化
weixin_49081159的博客
07-29 571
1 绪论1.1 研究背景中国旅游经济随着全球旅游业发展走出了新的道路，张家界的国家森林公园作为中国第一个被联合国教科文组织评审通过的世界自然遗产地、国家5A级旅游景区是吸引海内外游客旅游休闲和文化消费的热点地区。互联网和社交媒体的普及和应用使得旅游者发布的大量旅游评论的产生，他们以非结构化、非正式的信息形式记录了人们对旅游景区中服务、景观、设施、文化等方面的主观反应，具有重要的旅游体验价值，可以帮助分析和解决游客提出的管理需求，改善管理条件[1]。
Datawhale AI数据分析 作业3
weixin_44811994的博客
07-26 259
比特币市场作为全球首个且最知名的加密货币市场，以其高度的波动性、全球化的交易网络以及去中心化的特性而著称。自2009年比特币诞生以来，在市场情绪、政策变化、技术进步等多重因素共同作用下，它经历了频繁的大幅价格波动，这些波动不仅体现了投资者对比特币价值的认知变化，同时也映射出全球经济环境和技术发展的脉络。这种“疯狂”的市场行为提供了一个极佳的实验场，可以帮助我们更深入地理解金融市场中的风险管理和投资策略。
AI在编程、测试、数据分析等领域的前沿应用（技术报告）
zzywxc787的博客
07-28 565
AI技术正在深刻变革软件开发和数据分析领域。报告显示，AI辅助编程工具可使开发效率提升220%，代码缺陷率降低49%。在测试领域，AI生成的测试用例分支覆盖率达92%，远超人工编写的67%。数据分析方面，AutoML技术使模型AUC提升至0.88，自动生成特征数量可达原始数据的15倍。当前AI技术仍面临12-15%的代码错误率等挑战，但未来5年，自然语言编程占比预计达45%，人机协同开发将成为技术人员的核心能力。AI正从辅助工具演变为技术创新引擎，将人类创造力从重复劳动中解放。
港股历史逐笔十档分钟级订单簿行情数据分析
2401_89141608的博客
07-26 773
例如，分钟数据的时间戳格式需标准化为“YYYY-MM-DD HH:MM:SS”，Tick数据可能包含毫秒级精度，需验证时间序列的连续性。本文将以本地存储的CSV格式港股数据（包括分钟级、高频Tick、日级、逐笔、十档订单簿及历史行情等类型）为基础，探讨数据解析方法与实际应用场景，帮助从业者高效利用本地数据进行研究分析。结语：本地CSV格式的港股数据是量化研究的基石，通过规范化的清洗流程、多维度的特征工程及严谨的回测框架，可充分挖掘数据价值。港股数据需统一为UTC+8时区，并剔除非交易日记录（如春节休市）。
专业Python爬虫实战教程：逆向加密接口与验证码突破完整案例
最新发布
ZTLJQ的博客
07-29 380
本文介绍了如何逆向分析并爬取一个采用JavaScript混淆和加密签名的内部测试系统API。主要步骤包括：1）分析网页结构，定位加密签名函数；2）使用Python还原JavaScript签名算法；3）实现验证码识别预处理；4）模拟登录流程获取会话；5）构造签名参数调用数据接口。案例综合运用了JavaScript逆向、加密算法还原、验证码识别等技术，通过requests.Session维护会话状态，最终实现了一个完整的自动化爬虫系统。
力扣30 天 Pandas 挑战（3）---数据操作
qq_66660756的博客
07-29 730
本文介绍了6道力扣Pandas简单题的解题思路：1) 177.第N高的薪水 - 通过去重排序获取第N高工资；2) 176.第二高薪水 - 类似177题的简化版；3) 184.部门最高薪员工 - 使用分组和合并查询部门最高薪；4) 178.分数排名 - 使用dense_rank()实现连续排名；5) 196.删除重复邮箱 - 通过排序和去重保留最小id记录；6) 1795.产品价格重构 - 使用melt()将宽表转为长表。这些题目涵盖了Pandas数据处理的基本操作，适合初学者练习数据清洗、转换和分析。
Redis 键值对操作详解：Python 实现指南
AI浩
07-29 541
场景推荐操作替代方案添加小数据SETHSET（对象）添加大数据HSET/MSET分批次添加添加临时数据SETEX删除小数据DELETEUNLINK删除大数据UNLINK无批量操作管道 + MSET/UNLINK单独命令添加操作使用set()添加单个键值对使用mset()批量添加多个键值对使用setex()添加带过期时间的键值对删除操作优先使用unlink()进行删除（尤其大型数据）仅在需要立即释放内存时使用delete()批量删除时结合管道提高效率。
【Python】绘制小提琴、箱线和散点的组合图
a11113112的博客
07-25 466
可根据需求修改各图的配色。
Pandas语法手册：数据科学必备数据分析工具
Pandas语法手册是一份详尽的文档，介绍了Pandas这一强大的Python数据分析工具包。Pandas的核心目标是提供一个易用的数据结构DataFrame和一系列高效的数据操作工具，使得数据清洗、转换和分析变得更加简单。该手册...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

InitialHeart2021

你的鼓励是我最大的动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值