重点记录机器人和自动驾驶相关领域的技术，尤其是计算机视觉，视觉SLAM等，不仅有前言文献或必备算法的学习，也会有实际应用的点滴经验

文章目录0 引言1 Series调用 .plot 绘图2 DataFrame表格调用 .plot 绘图3 绘制散点图0 引言Pandas表格的数据也可以调用 .plot 进行绘图，并通过matplotlib可视化显示。1 Series调用 .plot 绘图调用 .cumsum和 .plot函数实现绘图import pandas as pdimport numpy as npimport matplotlib.pyplot as pltdata = pd.Series(np.random.r

文章目录0 引言1 .merge合并DataFrame表格0 引言Pandas中不仅可以调用 .concat 函数对多个表格进行合并，还可以调用 .merge 函数进行多个表格的合并。1 .merge合并DataFrame表格import pandas as pd生成多个DataFrame表格left = pd.DataFrame({'key':['K0','K1','K2','K3'], 'A':['A0','A1','A2','A3'],

文章目录0 引言1 纵向合并2 横向合并0 引言Pandas对多个表格可以进行合并操作，主要分为纵向合并和横向合并。1 纵向合并import pandas as pdimport numpy as np生成多个DataFrame表格df1 = pd.DataFrame(np.arange(12).reshape((3,4)),columns=['a','b','c','d'])df2 = pd.DataFrame(np.arange(12,24).reshape((3,4)),column

文章目录0 引言1 读取文件（.csv）2 保存文件（.csv）0 引言Pandas可以读取并保存文件，重新保存文件前可以结合之前对DataFrame表格的数据处理操作。1 读取文件（.csv）import pandas as pd调用 .read_csv 函数读取文件file = pd.read_csv('people.csv',encoding='gbk')file 档口号 档口总人数 姓名 性别

文章目录0 引言1 Pandas处理丢失数据0 引言Pandas生成DataFrame表格，有时候表中会有一些空值（NaN），这时候就需要用到 .dropna函数和 .fillna函数来进行去除或重新为空值赋值，可以调用 .isnull 函数判断表中是否存在空值，也可以结合numpy的.any函数和 .all函数判断表格中是否存在空值。1 Pandas处理丢失数据import pandas as pdimport numpy as np创建一个DataFrame表格df1dates = np

文章目录0 引言1 Pandas赋值2 Pandas数据操作0 引言Pandas处理表格的数据时，有时候需要对某一行或者某一列的一个值需要赋值，有时候也需要其他的数据操作，比如删除，更改等操作。1 Pandas赋值import pandas as pdimport numpy as np生成DataFrame表格数据dates = np.arange(20200101,20200107)df1 = pd.DataFrame(np.arange(24).reshape((6,4)),inde

文章目录0 引言1 Pandas中DataFrame的数据选择0 引言继续学习Pandas，一个表格实际处理时，会有各种各样表格中数据的选择，主要是对DataFrame的操作，比如按列表头选取，按行索引选取等等。1 Pandas中DataFrame的数据选择先导入Pandas和Numpy库import pandas as pdimport numpy as np创建一个DataFrame表格dates = pd.date_range('20200101',periods=6)df1 =

文章目录0 引言1 Series2 DataFrame0 引言Pandas是基于Numpy的一种工具，主要是为了解决数据分析任务，Pandas主要有以下几种数据结构：Series：一维数组，与Numpy中的一维array类似，二者与Python基本的数据结构List也很相近；Time-Series：以时间为索引的Series；DataFrame：二维的表格型数据结构，可以理解成DataFrame理解为Series的容器；Panel：三维的数组，可以理解为DataFrame的容器；Panel4