lee_yr的博客

pandas中的categorical类型对象属性生成方法将dataframe的一列转换为categorical对象其他序列直接生成利用分类编码数据生成使用Categorical对象进行计算 对象 属性 categories codes 生成方法 将dataframe的一列转换为categorical对象 df[name] = df[name].astype('category') 其他序列直接生成 pd.Categorical(list) 利用分类编码数据生成 categories = ['a',

pandas 数据处理用法处理缺失值数据转换删除重复值数据转换数据替代离散化和分箱数据规整 处理缺失值 dropna() fillna() isnull() notnull() 数据转换 删除重复值 df.duplicated() df.drop_duplicates() 数据转换 Series.map(arg, na_action=None) DataFrame.apply(func, axis=0, raw=False, result_type=None, args=(), **kwds) Data

pandas timetime类型Timestamp类timedelta类根据时间来重采样 time类型 Timestamp类 str to timestamp pd.to_datetime(arg.format=’%Y%m%d%H%M%S’,errors) pd.DatetimeIndex:和上面一样不过把时间设为索引 #Errors =raise 显示错误信息 coerce 遇到错误设为nan ignore转换能转换的值 timestamp to str timestamp.strftim

numpy的函数用法以及注意事项函数用法生成函数强制类型转换where线性代数注意事项 函数用法 生成函数 array narray one 根据给定形状和数据类型生成全1的数组 numpy.ones(shape, dtype=None, order='C')[source] ones_like 根据所给的数组生成形状一样的全1数组 numpy.ones_like(a, dtype=None, order='K', subok=True) zeros zeros_like empty empt

pandas 常见用法数据合并mergejoinconcatappend标签set_indexreset_index聚合groupby其他用法dropto_csv 数据合并 merge pandas.merge(left, right, how='inner', on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=False, suffixes=('_x', '_y'), copy=True, ind