qq_43165880的博客

to_dict函数是将数据框数据转换为字典形式。DataFrame.to_dict(*self*,orient='dict',into=)都是转换为字典，但具体形式不同：orient='dict',默认,字典套字典：{column:{index:value}}orient ='list' ,字典里面为列表：{column：[values]}orient ='series',字典里为series形式：{column: Series(values)}orient ='split',字典里是数据对应

同样首先先生成时序数据1.生成时序数据import pandas as pdimport numpy as npfrom datetime import datetime,timedeltatest=pd.date_range('2020-05-09', periods=50,freq='H') #生成时间序列，期数是12，时间间隔按照分钟test[1:10]#构造时间序列数据ts=pd.Series(np.arange(50),index=tes

1. 生成日期数据import pandas as pdpd.date_range( )同生成随机数的思想类似，使用pandas库中的函数pd.date_range(start=None，end=None，periods=None，freq=None，tz=None，normalize=False，name=None，close=None，**kwargs)参数解释：1 设定开始时间、长度、频率start_date='20200101'length=10date_1=pd.dat

这里的读写文件，与导入导出数据不同，导入数据是直接连接csv或xlsx文件，将数据导入进来或导出保存出去。这里读文件，是可迭代的，文件使用完毕后还需要关闭。1. 读取操作open()可以读取csv、txt、html文件open(file,encoding,errors)file：文件或文件路径encoding：文件编码解码方式，常见有utf-8,gbkerrors：如果读取文件前两个参数都确认没问题，还是读取失败，可使用errors='ignore'例子：open('data.txt

一些复杂问题可以用编程解决，一个重要基础是逻辑，循环等，（对于仰望计算机专业数学专业大神的小白来说，编程好难…逻辑好难…哭泣）1. 条件语句1.1 if 语句简单的 if 语句：if 条件： 执行当“条件”为真时，开始执行内容例子：a=18if a>=10: print('a:',a) print('True')输出：a: 18True1.2 if-else 语句if 条件： 执行内容1else : 执行内容2当“条件”为真时，执行内

1. 在notebook中执行命令行命令命令行的命令前面加个! 即可在notebook中进行。!pip3 install pandas2. pip镜像pip默认使用国外站点来下载python包，可能存在网速、网络稳定问题。可以配置国内镜像来加速下载(国外用戶无须此操作)。阿里云 http://mirrors.aliyun.com/pypi/simple/豆瓣 http://pypi.douban.com/simple/清华大学 https://pypi.tuna.tsinghua.edu

在python处理数据时，数据标准化函数StandardScaler进行标准化数据框的某一列数据时，直接选择数据框的某列进行标准化报错：from sklearn.preprocessing import StandardScalerStandardScaler().fit_transform(data['Amount'])报错提醒显示，函数需要的是二维数组，但是命令输入的是一维数组，如果你的数据是一个特征（n*1），那么使用reshape(-1，1)重塑结构，如果数据是一个样本（1*n），那么使用

（仅供参考，供复习学习使用）背景是有一个表格table，统计非零值列数。abcdCount0140210363011123table['Count']=0for i in range(0,table.shape[0]): for j in range(0,table.shape[1]-1): if table[i,j]==0: table.loc[i,'Count'] += 1...

参考博客：python基础-列表推导式笔记仅做总结复习使用~python使用循环时（虽然还没使用过大的循环或嵌套循环），利用for循环写，逻辑更清晰些，但有时候循环后得到的结果要拼接到列表中，使用for循环会涉及到缩进，如果嵌套循环，缩进会更复杂些，对于循环在哪里结束就会比较迷（对我来说…），突然就体会到一句话循环（列表式推导）的便利了，总结一下下。单层、双层简单循环比如：‘Can you speak English?’要将这句话中每个单词中的大写转换为小写，使用for循环时：test=['

pandas是基于numpy数组构建的，但最大不同是pandas是专门为处理表格和混杂数据设计的。数据结构有一维Series和二维DataFrame。直接将excel或csv数据导入python进行操作分析时，常用到数据框各种操作，使用pandas操作基本能满足大部分需求。...

numpy是以矩阵为基础的数学计算模块， 数据结构是n维的数组对象ndarray。数组可以用python常规方式定义，但引入Numpy工具包后，使用array函数构建，更容易处理和操作。'''python常规方式定义数组 '''a_1=[1,2,3,4,5] print(type(a_1)) #数据类型是列表lista_1+1 #无法对数据计算'''引入Numpy工具包，使用array函数创建'''a_2=np.array([1,2,3,4,5])print(typ

python常见数据类型，刚开始接触python，觉得数据类型不重要，最先看数据类型也最不重视，但当选择使用python作为数据处理与分析的工具，数据类型有哪些不是需要背下来，而是了解后对处理过程有帮助，能够提高效率。借鉴博客：Python中常见的数据类型总结用思维导图的形式记录下来...