python_studying的博客

Pandas的高级索引有3种 loc 标签索引 DataFrame 不能直接切片，可以通过loc来做切片 loc是基于标签名的索引，也就是我们自定义的索引名 示例代码： ser_obj = pd.Series(range(5), index = ['a', 'b', 'c', 'd', 'e']) df_obj = pd.DataFrame(np.random.randn(5,4), columns = ['a', 'b', 'c', 'd']) # 标签索引 loc # Series print(s

什么是Pandas? Pandas的名称来自于面板数据（panel data）和Python数据分析（data analysis）。 Pandas是一个强大的分析结构化数据的工具集，基于NumPy构建，提供了 高级数据结构 和 数据操作工具，它是使Python成为强大而高效的数据分析环境的重要因素之一。 一个强大的分析和操作大型结构化数据集所需的工具集 基础是NumPy，提供了高性能矩阵的运算 提供了大量能够快速便捷地处理数据的函数和方法 应用于数据挖掘，数据分析 提供数据清洗功能 Pandas的数据

元素计算函数 ceil(): 向上最接近的整数，参数是 number 或 array floor(): 向下最接近的整数，参数是 number 或 array rint(): 四舍五入，参数是 number 或 array isnan():判断元素是否为 NaN(Not a Number)，参数是 number 或 array multiply(): 元素相乘，参数是number 或 array divide(): 元素相除，参数是number 或 array abs()：元素的绝

ndarray的矩阵运算 数组是编程中的概念，矩阵、矢量是数学概念。 在计算机编程中，矩阵可以用数组形式定义，矢量可以用结构定义! 矢量运算：相同大小的数组间运算应用在元素上 示例代码（1）： # 矢量与矢量运算 arr = np.array([[1, 2, 3], [4, 5, 6]]) print("元素相乘：") print(arr * arr) print("矩阵相加：") print(arr + arr) 运行结果： 元素相乘： [[ 1 4 9]

Numpy：提供了一个在Python中做科学计算的基础库，重在数值计算，主要用于多维数组（矩阵）处理的库。用来存储和处理大型矩阵，比Python自身的嵌套列表结构要高效的多。本身是由C语言开发，是个很基础的扩展，Python其余的科学计算扩展大部分都是以此为基础。 ndarray NumPy数组是一个多维的数组对象（矩阵），称为ndarray，具有矢量算术运算能力和复杂的广播能力，并具有执行速度快和节省空间的特点。 ndarray的随机创建 代码示例： # 生成指定维度大小（3行4列）的随机多维浮点.

定义： 数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。这一过程也是质量管理体系的支持过程。在实用中，数据分析可帮助人们作出判断，以便采取适当行动。 过程： 数据收集：本地数据或者网络数据的采集与操作. 数据处理：数据的规整，按照某种格式进行整合存储。 数据分析：数据的科学计算，使用相关数据工具进行分析。 数据展现：数据可视化，使用相关工具对分析出的数据进行展示。 大数据分析场景和模型应用 数据分析建模需要先明确业务需求，然