qq_24338883的博客

Python 的科学栈相当成熟，各种应用场景都有相关的模块，包括机器学习和数据分析。数据可视化是发现数据和展示结果的重要一环，只不过过去以来，相对于

一. Series Series: pandas的长枪(数据表中的一列或一行,观测向量,一维数组...) Series1 = pd.Series(np.random.randn(4)) print Series1,type(Series1) print Series1.index print Series1.values 输出结果： 0 -0.676256 1

1. 合并数据集 pandas.merge可根据一个或者多个不同DataFrame中的行连接起来。 pandas.concat可以沿着一条轴将多个对象堆叠到一起。默认情况下 concat 是在axis=0上工作的，最终产生一个新的Series axis=1是列 实例方法combine_first可以将重复数据编接在一起，用一个对象中的值填充另一个对象中的缺失值。 2. 数据风格的Dat

1.1 结构化数据输入输出 read_csv与to_csv 是⼀对输⼊输出的⼯具，read_csv直接返回pandas.DataFrame，⽽to_csv只要执行命令即可写文件 read_table：功能类似 read_fwf：操作fixed width file read_excel与to_excel方便的与excel交互 header 表⽰数据中是否存

导入数据集 1.直方图 2.箱线图 3.小提琴图 4.条形图 5.折线图                                    plt.plot(randn(50).cumum(),'k--')   k--是一个线性选项   用于告诉matplotlib绘制黑色虚线图 6.堆积柱形图 7.散点图 8.气泡图 9.饼图

利用Splinter开发浏览器自动化操作，编写代码比较简单。 案例一： from splinter import Browser with Browser() as browser: # Visit URL url = "http://www.google.com" browser.visit(url) browser.fill('q', 'splinte