LivLu24的博客

1.元组元组是一个固定长度，不可改变的Python序列对象。1.1 创建元组：直接逗号分隔一列值tuple（）1.2访问元祖1.3元祖修改一旦创建元组，元组中的对象就不能修改：但如果元组中的某个对象是可变的，比如列表，可以在原位进行修改：2.列表与元组对比，列表的长度可变、内容可以被修改。2.1定义列表方括号定义，list ...

通用函数（即ufunc） 是一种对ndarray中的数据执行元素级运算的函数。如一元ufunc常用的sqrt和exp：

win10系统安装anaconda3后，自动安装了beautifulsoup4包，但是当在pycharm中输入importbeautifulsoup4时，一直出现ModuleNotFoundError: No module named 'beautifulsoup4'，看了很多博客，很多人在pycharm的setting里面的projectinterpreter找到bs4，点击install...

NumPy数组可以将许多种数据处理任务表述为简洁的数组表达式（否则需要编写循环），用数组表达式代替循环的做法，通常被称为矢量化。一般来说，矢量化数组运算要比等价的纯Python方式快上一两个数量级（甚至更多） ，尤其是各种数值计算。1.将条件逻辑表述为数组运算假设根据cond中的值选取xarr和yarr的值：当cond中的值为True时，选取xarr的值，否则从yarr中选取。py...

1 处理缺失数据在pandas中，采用了R语言中的惯用法，即将缺失值表示为NA，它表示不可用not available；使用浮点值NaN（Not a Number） 表示缺失数据。1.1滤除缺失数据1）dropna方法drona方法会丢弃任何含有缺失值的行，如果想丢弃全NA的行或列，传入how='all'参数。传入thresh参数，来滤出含有n个NaN的行或者列...

pandas是基于NumPy数组构建的，特别是基于数组的函数和不使用for循环的数据处理。pandas和NumPy最大的不同是pandas是专门为处理表格和混杂数据设计的，而NumPy更适合处理统一的数值数组数据。pandas经常和其它工具一同使用，如数值计算工具NumPy和SciPy，分析库statsmodels和scikit-learn，和数据可视化matplotlib。1 panda...

pamdas选取列有以下三种方法：data['w']#选择表格中的'w'列，使用类字典属性,返回的是Series类型data.w #选择表格中的'w'列，使用点属性,返回的是Series类型data[['w']]#选择表格中的'w'列，返回的是DataFrame属性但对应的删除列只能采用deldata['w'] ，采用deldata.w 和deldata[['...