laicikankna的博客

快速浏览时序的创建四类时间变量Date times（时间点/时刻）Date offsets（相对时间差）时序的索引及属性Reference时序的创建四类时间变量Date times（时间点/时刻）Pandas在时间点建立的输入格式规定上给了很大的自由度，下面的语句都能正确建立同一时间点:pd.to_datetime('2020.1.1')pd.to_datetime('2020 1.1')pd.to_datetime('2020 1 1')pd.to_datetime('2020 1-1'

快速浏览分类变量的创建用Series创建对DataFrame指定类型创建利用内置Categorical类型创建利用cut函数创建分类变量的结构与性质describe方法categories和ordered属性利用set_categories修改类别利用rename_categories修改类别利用add_categories添加利用remove_categories移除删除元素值未出现的分类类型分类变量的排序一般来说会将一个序列转为有序变量，可以利用as_ordered方法退化为无序变量，只需要使用as_u

pandas处理文本数据快速浏览string类型的性质str.split方法str.cat方法str.replace用法str.extract方法str.extractall方法str.containsstr.matchstr.stripstr.swapcasestr.capitalizeisnumeric问题与练习问题练习Referencestring类型的性质string与object的区别① 字符存取方法（string accessor methods，如str.count）会返回相应数据的N

快速浏览缺失数据的统计与转换isna和notna方法np.nan与None与NaT缺失数据的运算与分组缺失数据的填充与剔除fillna方法与dropna方法插值方法（线性插值等）问题与练习问题练习Reference缺失数据的统计与转换#从清华镜像拉装1.0.5版本的Pandas!pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pandas==1.0.5import pandas as pdimport numpy as npdf

快速浏览pandas简单介绍和本文说明一、透视表的基本二、crosstab（交叉表）三、melt函数三、stack函数四、哑变量与因子化1. Dummy Variable（哑变量）2. factorize方法问题与练习参考pandas简单介绍和本文说明pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地...

快速浏览pandas简单介绍和本文说明一、SAC过程二、groupby函数1. groupby分组函数的基本内容参考pandas简单介绍和本文说明pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它...

快速浏览阶段总结一、append与assign1.append方法（加行）（a）append利用序列添加行（必须指定name）（b）append用DataFrame添加表(多行)2.assign方法（加列）二、combine与update（表的填充）1.comine方法（a）填充对象（b）一些例子（c）combine_first方法2. update方法（a）三个特点（b）例子三、concat方法...

快速浏览pandas简单介绍和本系列说明一、单级索引1. 读取csv格式的新发现2. loc方法、iloc方法、[ ]操作符Referencepandas简单介绍和本系列说明pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函...

快速浏览pandas简单介绍和本系列说明一、csv、txt、xls或xlsx文件读取与写入1. 读取与写入csv格式2. 读取与写入txt格式3. 读取与写入xls或xlsx格式二、基本数据结构1. SeriesSeries创建访问Series属性Series调用方法2. DataFrameDataFrame创建DataFrame修改行/列名DataFrame调用属性和方法“索引对齐特性”Data...