cd_sywe的博客

Pandas入门导入 Pandas 与 NumPy：import numpy as npimport pandas as pd创建Pandas对象用值列表生成 Series 时，Pandas 默认自动生成整数索引：s = pd.Series([1, 3, 5, np.nan, 6, 8])Out: 0 1.01 3.02 5.03 NaN4 6.05 8.0dtype: float64用含日期时间索引与标签的 NumPy 数组生成 Da

Pandas概述Pandas 是 Python (opens new window)的核心数据分析支持库，提供了快速、灵活、明确的数据结构，旨在简单、直观地处理关系型、标记型数据。Pandas 的目标是成为 Python 数据分析实践与实战的必备高级工具，其长远目标是成为最强大、最灵活、可以支持任何语言的开源数据分析工具。经过多年不懈的努力，Pandas 离这个目标已经越来越近了。Pandas 适用于处理以下类型的数据：与 SQL 或 Excel 表类似的，含异构列的表格数据有序和无序（非固定频率

图像图像是高度×宽度的像素矩阵。如果图像是黑白的（即灰度），则每个像素可以由单个数字表示（通常在0（黑色）和255（白色）之间）。想要裁剪图像的左上角10 x 10像素部分？告诉NumPy让你image[:10,:10]。这是一个图像文件的片段：如果图像是彩色的，则每个像素由三个数字表示（RGB）。在这种情况下，我们需要第三维（因为每个单元格只能包含一个数字）。因此彩色图像由尺寸的ndarray表示：(高x宽x 3）。...

ndarray的函数和属性 ndarray属性：ndarray.ndim获取ndarray的维数ndarray.shape获取ndarray各个维度的长度ndarray.dtype获取ndarray中元素的数据类型ndarray.T简单转置矩阵ndarray  ndarray函数：ndarray.astype(dtype)转换类型，若转换失败则会出现TypeErrorndarray.copy()复制一份ndarray(新的内存空间)ndarray.reshape((N,M,...))将n

NumPy数组生成函数生成函数作用np.array(x)np.array(x, dtype)将输入数据转化为一个ndarray将输入数据转化为一个类型为type的ndarraynp.asarray(array)将输入数据转化为一个新的（copy）ndarray np.ones(N)np.ones(N, dtype)np.ones_like(ndarray) 生成一个N长度的一维全一ndarray生成一个N长度类型是dtype的一维全一ndarray生成一个形状与参数相同的全一ndarraynp.zero

NumPy数据类型类型类型代码说明int8、uint8i1、u1有符号和无符号8位整型（1字节）int16、uint16i2、u2有符号和无符号16位整型（2字节）int32、uint32i4、u4有符号和无符号32位整型（4字节）int64、uint64i8、u8有符号和无符号64位整型（8字节）float16f2半精度浮点数float32f4、f单精度浮点数float64f8、d双精度浮点数float128f16、g扩展精度浮点数complex64c8分别用两个32位表示的复数complex128c1

Markdown是一种纯文本格式的标记语言。通过简单的标记语法，它可以使普通文本内容具有一定的格式。相比WYSIWYG编辑器优点：1、因为是纯文本，所以只要支持Markdown的地方都能获得一样的编辑效果，可以让作者摆脱排版的困扰，专心写作。2、操作简单。比如:WYSIWYG编辑时标记个标题，先选中内容，再点击导航栏的标题按钮，选择几级标题。要三个步骤。而Markdown只需要在标题内容前加#即可开启方式：设置->默认编辑器->Markdown编辑器一、标题在想要设置为标题的文字

Pandas 缺失值与空值处理 1.相关函数df.dropna()df.fillna()df.isnull()df.isna()2.相关概念空值：在pandas中的空值是""缺失值：在dataframe中为nan或者naT（缺失时间），在series中为none或者nan即可3.函数具体解释DataFrame.dropna(axis=0, how='any',&nbsp

关于Python数据分析，其实网上能够找到的学习资源很多，主要分为两类：一类是提供各种资源的推荐，比如书单、教程、以及学习的先后顺序；另一类是提供具体的学习内容，知识点或实际案例。 但很多繁琐而又杂乱的内容，除了给初学者增加理解和认识的噪音外，真正能够起到明确的方向指引导的，确实不多。以至于很多人一开始没有明确的方向就一头扎进去，学了很久却不知道自己到底在学什么，或者自己学了很久不知道能够做什么。 学习一门技术...

1、如何引入pandas并查看版本import pandas as pdprint(pd.__version__)print(pd.show_versions(as_json=True))2、list 或 numpy array 或 dict 转 pd.Seriesimport numpy as npmylist = list('abcedfghijklmnopqrstuvwxyz'...

Pandas库的数据排序1、sort_index()方法.sort_index() 方法在指定轴上根据索引进行排序，默认为零轴，升序。.sort_index(axis=0,ascending=True) ascending 指递增排序。import pandas as pdimport numpy as npa = pd.DataFrame(np.arange(20).reshap...

Pandas是Python第三方库，提供高性能易用数据类型和分析工具。Pandas库的引用import pandas as pdPandas基于NumPy实现，常与NumPy和Matplotlib一同使用。In [1]: import pandas as pd In [2]: d=pd.Series(range(20)) In [3]: dOut[3]:0 01 ...

使用名称np导入numpy包 (★☆☆)打印出numpy版本号和配置信息 (★☆☆)创建一个空向量，尺寸为10 (★☆☆)查出一个数组占用的内存体积 (★☆☆)如何使用命令行来获得numpy中add这个函数的文档 (★☆☆)创建一个大小为10的空向量，但第五个值为1 (★☆☆)创建一个值为从10到49的向量[10,11,12…49] (★☆☆)反转一个向量（第一个元素变为最后一个）...

ndarray的基本概念轴（axis）：保存数据的维度秩（rank）：轴的数量，即有几个维度ndarray对象的属性属性说明.ndim秩，即轴的数量或维度的数量.shapendarray对象的尺度，对于矩阵，n行m列.sizendarray对象元素的个数，相当于.shape中的n*m的值.dtypendarray对象的元素类型.items...

上一篇文章中，我们的所有例子都在一个维度上处理向量。NumPy之美的一个关键部分是它能够将我们目前所看到的所有内容应用到任意数量的维度。创建矩阵我们可以传递以下形式的Python列表，让NumPy创建一个矩阵来表示它们：我们也可以使用上一篇中提到的相同方法 ones()，zeros() 和 random.random() 等，只要我们给它们一个元组来描述我们正在创建的矩阵的维度：另外，...

创建数组在使用Numpy的数组前，我们必须对Numpy库进行引入。 import numpy as np我们可以通过将Python列表传递给它并使用 np.array() 来创建一个NumPy数组（也就是强大的ndarray）。在这种情况下，Python创建了下面的数组：一个常见的错误在于使用多个数值参数调用 array 函数，而不是提供一个数字列表（List）作为参数。 a = n...

什么是 NumPy?NumPy是一个功能强大的Python库，主要用于对多维数组进行计算。NumPy这个词来源于两个单词 Numerical 和 Python 。NumPy提供了大量的库函数和操作，可以帮助程序员轻松地进行数值计算。这类数值计算广泛用于以下任务：机器学习模型：在编写机器学习算法时，需要对矩阵进行各种数值计算。例如矩阵乘法、换位、加法等。NumPy提供了一个非常好的库，用于简单...