JIANGSAS的博客

第二章：数据可视化 1、matplot初见 1.1 最基本的可视化图案有哪些？分别适用于那些场景？ 最基本的可视化图有折线图，柱状图，饼图，散点图，直方图等， 折线图适用于观察某个值的走势， 柱状图适用于观察不同条件的对比， 饼图适用于分析组成成分或者比例； 散点图用于描述数据的分布情况。 1.2 Figure&Subplot matplotlib的图像都位于Figure对象中，可以用plt.figure创建一个新的Figure fig = plt.figure() 不能通过空Figure绘图，应

1. 第二章：数据重构 1.1 数据的合并 数据的合并任务主要通过pandas中的concat、merge方法或是DataFrame的join、append方法来完成。 其中pandas.concat可以沿着一条轴将多个对象堆叠到一起，其参数设置如下： pandas.merge()方法是基于值的连接 1.2 数据聚合与运算 本节主要是对于Groupby机制的理解： 分组运算主要包括三个阶段的操作：split-apply-combine。 分组运算的第一个阶段，pandas对象（无论是Series、DataF

1. 第二章：数据清洗及特征处理 我们拿到的数据通常是不干净的，所谓的不干净，就是数据中有缺失值，有一些异常点等，需要经过一定的处理才能继续做后面的分析或建模，所以拿到数据的第一步是进行数据清洗，本章我们将学习缺失值、重复值、字符串和数据转换等操作，将数据清洗成可以分析或建模的样子。 1.1 缺失值观察与处理 1.1.1 任务一：缺失值观察 对于数据缺失值的观察主要可以通过pandas中的两个函数来完成，分别是isnull和isna（两个函数没有区别），并且通过与sum的组合可以计算出每列中缺失值的总和、比

DataWhale动手学数据分析Task01 1.第一章：数据载入及初步观察 1.1.1 载入数据 1、两种数据格式的区分及读取方式： TSV CSV Tab-Seperated Values Comma-Seperated Values 利用制表符作为字段值的分隔符 利用半角逗号作为字段值的分隔符 pd.read_table(‘path’) pd.read_csv(‘path’) 2、pandas中用于读取数据的常用函数及参数： import pandas as pd pd.r