25/7/19 一、Pandas中Series类

一些包和库的使用,先明确几点使用的框架功能(主题功能),你就掌握得差不多,能有产能。接下来才是添砖加瓦地了解一些小工能,那这时你就算精通使用。总结而言,就是一个记忆的问题,你要有系统性的认识和对其系统的记忆。

  • Numpy 类似于 Python 中的列表 list,不带数值标签,那么 Pandas 则类似 Python 中的字典 dict。
    其实主要的主体框架无非就是增删查改(CURD)的功能,其中查找和修改基本是一致的功能。属性和方法

创建(新增)

  • 数组创建
import pandas as pd
ser = pd.Series(data=[1,2,3],index=['a','b','c']  )
'''
其中data就是要转换的数据,index就是每个数据的键/索引(自定义索引)。
但其实除了自定义索引,Series中其实还是有维护0、1……数字索引
'''
  • 字典创建
    data传入字典,字典的key作为自定义索引,不用在闯入index;values则作为data
ser2 = pd.Series(data = {'一季度': 320, '二季度': 180, '三季度': 300, '四季度': 405})
ser2
'''
一季度    320
二季度    180
三季度    300
四季度    405
dtype: int64
'''

索引(查找、修改)

  • 常规[]索引
  • 切片索引
  • bool索引
  • 花式索引

运算

  • 标量运算

  • 矢量运算

属性和方法

  • 统计相关
  • 处理数据
  • 排序和取头部值
根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分,聚或者物品之间的有趣关联. 机器学习分 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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