花间一壶酒的博客

df加前缀df.add_prefix(‘prefix’)

10 groupby快速上手本文的目的在于指导读者快速上手groupby。在每个知识点下，我会先说明用法，再给出示例。本文只给出了基本的用法，想要获得更详尽的内容请参阅文档：Group by: split-apply-combine10.1 分组分组依据可以是：函数，会在各个索引值上被调用一次，其返回值就会被用作分组名称numpy array字典或Series列名以上类型的混合组成的列表示例In [1]: df = pd.DataFrame( ...: [ ..

9.使用groupby对数据分组和计算组内统计量经常会遇到这样的场景：首先把数据分组，然后处理下组内数据，最后把处理结果组合起来。groupby就可以满足需求。9.1 分组只要提供一个分组依据，groupby就可以对数据分组了。In [1]: df = pd.DataFrame( ...: [ ...: ("bird", "Falconiformes", 389.0), ...: ("bird", "Psittaciformes", 24.0

8. 比较concat, append, merge, join 连接DataFrame8.1 比较连接方向concat可以横向纵向连接对象；appned是纵向连接对象；merge和join是横向连接对象。连接对象concat，append一次可以连接多个对象，可以是多个Series、DataFrame或者2者混合merge，join一次只能连接2个append可以为DF追加行，要求行是Series，DF或字典连接方式concat左右连接时，不能指定连接键，只能使用in

7. np.where, np.argwhere, df.where, df.mask7.1 np.wherenumpy.where(condition[, x, y])根据条件选择x或y的元素返回。如果condition为真，返回x的元素；反之返回y的元素a = np.arange(10)aarray([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])np.where(a < 5, a, 10*a)array([ 0, 1, 2, 3, 4, 50, 60,

3. 在折线图中把个别点圈出思路是在这一点画散点图，把散点图设置为空心圆。import matplotlib.pyplot as pltimport numpy as npx,y=np.arange(5),np.arange(5)fig,ax=plt.subplots()ax.plot(x,y)ax.scatter(x[3],y[3] ,color='', marker='o', edgecolors='g', s=200)# color设为空，用edgecolors控制圆圈颜色，s控制圆圈

当除数数组中包含0时https://stackoverflow.com/questions/26248654/how-to-return-0-with-divide-by-zerohttps://blog.youkuaiyun.com/minhuaqaq/article/details/104773022?biz_id=102&utm_term=numpy%20%E5%88%86%E6%AF%8D%E4%B8%BA0&utm_medium=distribute.pc_search_result.no

numpynumpy.argmax(a, axis=None, out=None)如果数组有多个最大值，只会返回第一个的索引。axis int, optionalBy default, the index is into the flattened array, otherwise along the specified axis.如果不给axis传值，那么默认把数组拉平，返回拉平后的索引。a=np.arange(10).reshape(5,2)a[1,1]=9print(a)#arra

numpy 中划分bins，并计算一个bin内的均值import numpydata = np.array([range(100)])bins = numpy.linspace(0, 50, 10)bins=np.append(bins,np.inf)#最后一个bin到无穷大digitized = numpy.digitize(data, bins)#Return the indices of the bins to which each value in input array belongs.

numpy中使用apply_along_axis:numpy.apply_along_axis(func1d, axis, arr, *args, **kwargs)In [23]: b = np.array([[8,1,7], [4,3,9], [5,2,6]])In [24]: np.apply_along_axis(sorted, 1, b)Out[24]: array([[1, 7, 8], [3, 4, 9], [2, 5, 6]])在pandas中使用

基本绘图，设置子图间距，设置折线类型，标签，设置坐标轴范围、标签，设置子图标题import matplotlib.pyplot as pltimport numpy as npfrom sklearn.linear_model import LinearRegressionx1,y1=[-1,0,1],[0,0,1]x2,y2=np.arange(5),np.random.rand(5,1)x3,n_bins=np.random.randn(200,1),50x4,y4=np.random

X['Time']=pd.to_datetime(X['Time'])X['UnixTime']=X.apply(lambda row:row['Time'].timestamp(), axis=1)

我最先知道的是np.c[]可以按列连接2个数组，后来我要按行连接数组，于是我就传入axis=0,发现不行，查过文档后得知原来有专门的np.r_[]np.r_[np.array([1,2,3]), 0, 0, np.array([4,5,6])]#array([1, 2, 3, ..., 4, 5, 6])np.r_[-1:1:6j, [0]*3, 5, 6]#array([-1. , -0.6, -0.2, 0.2, 0.6, 1. , 0. , 0. , 0. , 5. , 6.

numpy.random.rand(d0, d1, ..., dn) 返回给定形状的数组，其元素来自[0,1)均匀分布。numpy.random.randint(low, high=None, size=None, dtype=int) 返回来自[low,high)均匀分布的整数。如果没有给出，则[0,low)numpy.random.randn(d0, d1, ..., dn)返回给定形状的数组，其元素来自标准分布。numpy.random.random(size=None)返回 [0.0.

Series.unique()返回Series对象中唯一值的NumPy arraypd.Series([2, 1, 3, 3], name='A').unique()#array([2, 1, 3])Series.value_counts(normalize=False, sort=True, ascending=False, bins=None, dropna=True)返回一个Series，记录Series对象中唯一值出现的次数。index = pd.Index([3, 1, 2, 3, 4,