Zoo0ooey的博客

学习链接: 第9章 时序数据. 九、时序数据9.1 四类时间变量9.2 时序的创建9.2.1Date times 时间点的创建9.2.2 Dateoffset对象9.2 时序的属性9.3 以时序作索引9.4 重采样9.4.1 resample对象的基本操作9.4.2 采样聚合9.4.3 采样组的迭代9.5 窗口函数问题与练习 9.1 四类时间变量 名称 描述 元素类型 创建方式 ① Date times（时间点/时刻） 描述特定日期或时间点 Timestamp to_datetime或dat

学习链接: 第8章 分类数据. 八、分类数据8.1 category的创建及其性质8.2 分类变量的类别8.3 分类变量的排序8.4 分类变量的比较操作问题与练习 8.1 category的创建及其性质 分类变量的创建 （a）用Series创建 pd.Series(["a", "b", "c", "a"], dtype="category") （b）对DataFrame指定类型创建 temp_df = pd.DataFrame({'A':pd.Series(["a", "b", "c", "a"],

学习链接: https://github.com/datawhalechina/joyful-pandas/blob/master/%E7%AC%AC7%E7%AB%A0%20%E6%96%87%E6%9C%AC%E6%95%B0%E6%8D%AE.ipynb. 七、文本数据7.1 string类型的性质7.2 拆分与拼接7.3 替换7.4 子串匹配与提取7.5 常用字符串方法问题与联系 7.1 string类型的性质 string与object的区别 ① 字符存取方法（如str.count）会返回相应数

学习链接: https://github.com/datawhalechina/joyful-pandas. 六、缺失数据6.1缺失值查看6.2缺失值符号6.3填充与删除6.4插值问题与练习 6.1缺失值查看 isna()、isnull()：如果是缺失值返回True，否则返回False notna()：如果不是缺失值返回True，否则返回False info()：输出整个表所有列的数据类型 常用操作 df.isna().sum() #每列有多少缺失值 df[df['Physics'].isna(