littlepan的博客

使用方法：以采用Paired_r配色方法为例，通过调用barplot(palette='Spectral_r')来使用配色 Paired_r Accent Accent_r Blues Blues_r BrBG BrBG_r BuGn、BuGn_r CMRmap、CMRmap_r Dark2 Dark2_r Greens、Gr...

数据集及源代码链接：https://github.com/roberpan/python/tree/master/test/dataanalyse/houseprice 一、统计北京各区二手房单价排名，并分析高端小区（排名前10/50/100的小区），各区占有量 # -*- coding: utf-8 -*- # 根据安居客数据来源，对二手房信息进行统计 import pandas as ...

文中所用数据来源：https://github.com/wesm/pydata-book/tree/2nd-edition/examples/tips.csv import pandas as pd import numpy as np pd.set_option('display.max_columns', None) #显示所有列 content=pd.read_csv('data/...

''' groupby 聚合练习 ''' import pandas as pd import numpy as np df = pd.DataFrame({'key1' : ['a', 'a', 'b', 'b', 'a'], 'key2' : ['one', 'two', 'one', 'two', 'one'], ...

''' groupby 分组学习 ''' import pandas as pd import numpy as np df = pd.DataFrame({'key1' : ['a', 'a', 'b', 'b', 'a'], 'key2' : ['one', 'two', 'one', 'two', 'one'], ...

""" 本程序实现对movies文件夹中，影评人数据的统计分析功能 """ import pandas as pd pd.options.display.max_rows=10 #设置可显示的数量 unames=['user_id', 'gender', 'age', 'occupation', 'zip'] users=pd.read_table('movies/users.dat',s...

import pandas as pd import numpy as np index=pd.Index(data=["Tom", "Bob", "Mary", "James", "Andy", "Alice"],name='name') data = { "age": [18, 30, 35, 18, 22, 30], "city": ["Bei Jing ", "Shan...

1、介绍 apply函数是pandas里面所有函数中自由度最高的函数。该函数如下： DataFrame.apply(func, axis=0, broadcast=False, raw=False, reduce=None, args=(), **kwds) 该函数最有用的是第一个参数，这个参数是函数，相当于C/C++的函数指针。 这个函数需要自己实现，函数的传入参数根据axis来定，比如a...

今天在用pycharm第一次导入自己写的模块时，发现即便在同级目录下，不能进行导入。网上搜了好久，都只介绍了导入不同级目录下的模块的方法。不过最后还是找到了正确的方法，如下所示。 1.打开"File"->Settings->打开 “Build，Execution，Deployment”下的Console下拉表，选择“Python Console”，把选项（Add source roo...

pandas的数据格式最常用的为Series和DataFrame两种类型，以下分别对两种类型的索引和数据选取方式进行了总结整理。 1、Series格式 Series格式很简单，只有两列，一列索引，一列为值，按照是否自定义索引类型，分为两种情况进行讨论： 1）默认索引类型，即由系统自动添加从0开始按序增加的索引 import pandas as pd ser=pd.Series(['Oh...

#-*- coding:utf-8 -* import pandas as pd import numpy as np from pandas_datareader import data import matplotlib.pyplot as plt stock_codes=['AAPL', 'IBM', 'MSFT', 'GOOG'] start_date='2019-01-01' end...