changzi990的博客

numexpr还有一个重要的加速利器，多线程操作。通过 ne.set_num_threads(1) 可以设置线程的数量，更多的线程表示程序可以同时对数学表达式进行计算。作者：计算机与AI https://www.bilibili.com/read/cv7970594/ 出处：bilibili。如上所示，如果我们设置单线程，程序运行需要13.4 ms。设置了双线程，速度则可以提升一倍。

本文将从tables的读，写，以及一些简单的操作进行简要描述。使得tables这个tool能够为我们所用。首先，我们先介绍下HDF5（Hierarchical Data Format）.HDF 是用于存储和分发科学数据的一种自我描述、多对象文件格式。HDF 是由美国国家超级计算应用中心（NCSA）创建的，以满足不同群体的科学家在不同工程项目领域之需要。HDF 可以表示出科学数据存储和分布的许多必要条件。其有以下一些特征：HDF文件是安装树状结构组织起来的。

在【python金融大数据分析】书的177页，提到“不适合于内存的基于数组的计算”。-------我理解这句话的意思是：数组计算如果数据量很大，可能不适合在内存计算。如果数据量不大，那应该可以在内存中计算。是否理解正确，可后续验证。

HDF5 拥有一系列的优异特性，使其特别适合进行大量科学数据的存储和操作，如它支持非常多的数据类型，灵活，通用，跨平台，可扩展，高效的 I/O 性能，支持几乎无限量（高达 EB）的单文件存储等，详见其官方介绍：https://support.hdfgroup.org/HDF5/。用 h5py 操作 HDF5 文件，我们可以像使用目录一样使用 group，像使用 numpy 数组一样使用 dataset，像使用字典一样使用属性，非常方便和易用。HDF5 数据库，又称HDF5文件。我们只介绍 h5py。

flush()方法通常和close()方法一起使用，即在最后调用close()方法之前，先调用flush()方法，以确保所有的数据都被写入到文件中。

其中，start表示序列起始值（默认为0），stop表示序列终止值，不包括该值，即生成的序列中最大值为stop-1，step表示序列步长（默认为1）。在上述代码中，我们调用range()函数生成一个包含0~4的整数序列，并将其转换为列表类型，最后打印输出该列表。在每次循环中，将序列的当前元素赋值给变量i，并将其打印输出。其中，start是指定的起始值，stop是指定的停止值（不包含在序列中），step是指定的步长。这段代码将生成一个列表：[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]。

一个模块被另一个程序第一次引入时，其主程序将运行。如果我们想在模块被引入时，模块中的某一程序块不执行，我们可以用__name__属性来使该程序块仅在该模块自身运行时执行。每个模块都有一个__name__属性，当其值是'__main__'时，表明该模块自身在运行，否则是被引入。底下是双下划线， _ _ 是这样去掉中间的那个空格。print('程序自身在运行')print('我来自另一模块')

如果Excel文件的表头不在第一行，可以通过header参数指定表头所在的行号。通过这个函数，我们可以轻松地将Excel表格中的数据加载到pandas的DataFrame对象中，进而进行各种数据分析和操作。使用read_excel()函数读取Excel文件时，需要指定文件的路径和名称。如果Excel文件中有多个工作表，可以通过sheet_name参数指定要读取的工作表。如果Excel文件没有表头，可以将header参数设置为None，并在读取后手动设置列名。这两个参数可以组合使用，以实现更灵活的数据读取。

plt.hist函数用于绘制直方图。直方图是一种用来表示数据分布的图形，它将数据分成若干个区间，然后统计每个区间中数据的数量，最终以柱状图的形式展示出来。直方图主要用于可视化数据的分布情况。它将数据划分为一系列的区间（也称为箱子或柱子），然后计算每个区间内数据点的数量。这些数量通常用柱状图表示，柱子的高度表示该区间内数据点的数量。

默认情况下，CSV 文件中的列顺序与 DataFrame 中的列顺序相同。但是，有时我们可能希望按照特定的顺序导出列。这时，我们可以使用 DataFrame 的reindex()方法来重新排序列。1234# 假设我们想要按照 'Name', 'Age', 'City' 的顺序导出列通过本文的介绍，我们了解了如何将 Pandas 的运行结果导出为 CSV 文件，并探讨了处理大数据集、自定义列顺序、处理日期和时间、压缩 CSV 文件等方面的进阶技巧和注意事项。

read_csv()函数是Pandas库中一个非常重要的函数，它为我们提供了一个方便、高效的方式来读取CSV文件。通过掌握read_csv()函数的基本用法和参数，我们可以轻松地处理各种CSV文件，并进行数据分析和处理。

read_sql是Pandas提供的用于从数据库读取数据的方法。它允许我们执行SQL查询并将结果直接转换为DataFrame。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。原文链接：https://blog.youkuaiyun.com/weixin_52908342/article/details/136119146。params：SQL查询中的参数，可以使用字典形式提供。parse_dates：指定需要解析为日期时间的列。sql：SQL查询语句，必须提供。

## :表示索引 0至1行；

{'quicksort', 'mergesort', 'heapsort', 'stable'}（2）np.random.randint(4, 9, size=(3, 5)) 生成一个三行五列的正数矩阵。data={'小写':['a','b','c'],'大写':['A','B','C']}#输出： [1 4 5] （获取数组中(0,0)，(1,1)和(2,0)位置处的元素）（start:起始数字 end:结束 Num:要生成的样本数）out:用于存储输出的数组。