- 博客(34)
- 收藏
- 关注
RSS订阅原创 详解drop_duplicates()函数
python整表去重python按关键字段去重（最常用）pythondf.drop_duplicates(subset=["ID", "订单号"])保留最新数据pythondf.drop_duplicates(subset=["用户ID"], keep="last")找出所有完全唯一的数据pythonsubset定判断重复的列keep定保留哪条重复数据inplace定是否改原数据定是否重置索引。
2026-04-07 16:58:16
290
原创 isalpha () 和 isdigit () 详细讲解
isalpha()：校验字符串全为字母 / 文字（含中文），空字符串 / 含数字 / 符号均返回 False；isdigit()：校验字符串全为数字字符（0-9/Unicode 数字），空字符串 / 含小数点 / 负号 / 字母均返回 False；若需校验 “数值（小数 / 负数）”，不要用isdigit()，改用try-except转数值类型的方式。
2026-03-12 22:19:27
270
原创 详解线性回归方程
线性回归方程是利用最小二乘法拟合的直线方程，用于描述自变量 x 与因变量 y 之间的线性关系，形式为：y^=b0+b1x其中 b1 是斜率，表示 x 每增加 1，y 平均变化 b1；b0 是截距。模型通过最小化误差平方和求得，并用 R2 衡量拟合程度。手写推导最小二乘法多元线性回归公式Python 实现线性回归代码（numpy /pandas/sklearn）你想要哪个？请详细解释的同时添加python建模的方法我会把线性回归方程。
2026-03-10 12:46:35
735
原创 深入理解 Pandas 的 groupby() 函数
agg内置函数无法满足需求时，可传入自定义函数：python# 自定义函数：计算成绩的变异系数（标准差/均值）def cv(x):"""变异系数：衡量数据离散程度"""= 0 else 0# 按班级分组，计算数学和语文的变异系数df_cv = df.groupby("班级")[["数学", "语文"]].agg(cv)df_cv.columns = ["数学变异系数", "语文变异系数"]print("=== 自定义聚合函数（变异系数）===")
2026-03-08 20:24:12
918
原创 深入理解 Pandas 的 merge() 函数
merge()用于将两个 DataFrame 按指定列（连接键）进行合并，支持 SQL 风格的所有连接类型（内连接、左连接、右连接、外连接等），是处理关系型数据合并的首选方法。merge()是 Pandas 按列合并 DataFrame 的核心方法，完全对标 SQL 表连接，支持内 / 左 / 右 / 外 / 交叉连接；核心参数：onleft_onright_on：指定连接键（列名相同 / 不同场景）；how：指定连接类型（默认 inner）；suffixes：处理列名冲突；indicator。
2026-03-08 19:08:34
695
原创 深入理解 Pandas 的 join() 函数
join()用于将两个 DataFrame 按行索引（index）进行合并（左 / 右 / 内 / 外连接），如果需要按列合并，建议用merge()；如果按索引合并，join()更简洁。join()是 Pandas 按行索引合并 DataFrame 的核心方法，语法简洁，支持多表连接；核心参数：how：指定连接类型（left/right/inner/outer，默认 left）；lsuffixrsuffix：解决列名冲突；on：指定左表的列作为连接键（替代索引）；
2026-03-07 21:53:54
701
原创 数据分析笔试题
在 Python 中，以下哪个库主要用于构建机器学习模型？以下哪种分析方法适用于识别销售转化过程中的关键流失环节？（D）A. 聚类分析 B. 漏斗分析 C. 时间序列分析 D. 归因分析假设检验中，P 值小于显著性水平 α（通常 0.05）时，我们应该？（）A. 接受原假设 B. 拒绝原假设 C. 无法判断 D. 重新检验以下哪种 SQL 语句用于从数据表中筛选符合条件的记录？时间序列分析中，以下哪个不是常见的时间序列成分？（D）A. 趋势项 B. 季节项 C. 随机项 D. 聚类项。
2026-03-07 14:12:17
437
原创 深入理解 Python 中的 isinstance() 函数
python表格参数说明object待检测类型的任意 Python 对象（数字、字符串、列表、自定义类实例等）classinfo可以是：① 单个类 / 类型（如intlist/ 自定义类）；② 多个类 / 类型组成的元组（如③ 抽象基类（如返回值True（对象是指定类型 / 子类的实例），False反之python# 多层继承示例passpasspass# 检测所有祖先类print(isinstance(gc, object)) # True（所有Python对象都是object的实例）
2026-03-06 19:48:10
623
原创 深入理解 split() 和 strip()函数
strip () 系列作用：删除字符串首尾的指定字符（默认空白符），中间字符不受影响；lstrip()（删开头）、rstrip()（删结尾）；chars是字符集合，不是固定字符串，且不修改原字符串。split () 系列作用：按指定分隔符拆分字符串为列表，分隔符会被丢弃；sep=None按任意空白符拆分（多个空白视为一个）；rsplit()从右往左拆分，适合指定maxsplit的场景；注意：不能按空字符串拆分，拆分含空白的字段需结合strip()。组合使用：拆分前先用strip()
2026-03-02 11:05:25
1050
原创 深入理解 pandas 的布尔索引（Boolean Indexing）
布尔索引是 pandas 筛选数据的核心，通过布尔序列保留True行 / 列，过滤False；单条件用df[条件]，多条件用df[(条件1)&(条件2)]（必须加括号，用推荐结合loc使用，既能筛选行又能选择列，还能避免修改数据的警告；isin()是筛选 “在列表中” 的高效方式，isna()notna()用于处理空值。
2026-03-01 20:19:16
846
原创 深入理解 Pandas DataFrame 中的排序方法
keyDataFrame 排序核心依赖两个函数：sort_values(by=列名)：按列值排序（单列 / 多列），支持ascendingkey；：按行 / 列索引排序，适用于索引有业务含义的场景；核心参数：by：指定排序列（仅需传）；ascending：排序方向（True = 升序，False = 降序）；：排序后重置行索引（推荐开启）；axis：按行 / 列索引排序（仅sort_index需传）；进阶技巧：自定义规则用key参数（如绝对值、字符串处理）；横向排序用；
2026-03-01 18:59:18
1021
原创 深入理解 Pandas 的 DataFrame（数据框）
DataFrame是 Pandas 专为二维结构化数据设计的核心结构，对比 Excel/NumPy 二维数组，核心特征如下：表格特性Excel 表格NumPy 二维数组索引行 / 列均支持自定义标签（字符串 / 数字 / 时间）仅单元格位置（A1/B2）仅整数位置索引数据类型列可不同类型（如一列 int、一列 str）支持混合类型仅支持同一种数据类型缺失值原生支持NaN，内置缺失值处理方法空单元格需手动识别需手动处理NaN功能内置清洗 / 统计 / 合并 / 透视等全套方法。
2026-02-28 20:39:34
1254
原创 深入理解 Pandas 的 Series（序列）
Series是 Pandas 专为一维数据设计的结构，对比 NumPy 一维数组，核心差异是：表格特性NumPy 一维数组索引支持自定义标签（字符串 / 数字 / 时间等）仅支持整数位置索引数据类型可混合类型（如同时存 int/str）仅支持同一种数据类型缺失值原生支持NaN，内置缺失值处理方法需手动处理NaN功能内置统计 / 对齐 / 可视化等方法仅基础数值计算直观理解：把Seriesvalues：数据本身（底层是 NumPy 数组）；index。
2026-02-27 20:42:29
1319
原创 深入理解 NumPy 中的统计函数
NumPy 统计函数用于计算数组的描述性统计量，核心作用是量化数组的分布特征（集中趋势、离散程度、极值等）。按功能可分为 4 大类：表格类别核心统计量对应 NumPy 函数集中趋势均值、中位数、众数、分位数np.mean ()离散程度方差、标准差、绝对差、极差np.var()np.std()np.ptp()极值与位置最大值、最小值、最大 / 小值索引np.max()np.min()求和与累积求和、累积和、累积积np.sum()核心共性所有统计函数都支持axis参数（指定统计维度）；支持。
2026-02-26 23:07:00
594
原创 深入理解 NumPy 数组的交换（Swapping）
数组交换本质是调整数组中元素或维度的位置元素级交换：交换数组中指定位置的单个 / 多个元素（如交换索引 0 和索引 5 的元素）；维度级交换：交换数组的行 / 列、或调整维度的整体顺序（如交换二维数组的第 1 列和第 3 列、交换三维数组的维度 0 和维度 2）。NumPy 实现交换的核心优势是向量化操作，无需循环，直接通过索引 / 切片即可高效完成。NumPy 数组交换分为「元素级」和「维度级」两类：元素级：通过索引 / 切片赋值实现，切片交换需加.copy()；
2026-02-25 20:18:51
783
原创 深入理解 NumPy 中数组的拼接（Concatenation）
数组拼接是指将多个形状兼容的数组，沿着指定的轴（axis）轴（axis）：拼接的方向，二维数组中axis=0表示按行拼接（垂直方向），axis=1表示按列拼接（水平方向）；形状兼容：除拼接轴外，其他维度的大小必须完全一致（比如按行拼接时，所有数组的列数必须相同）；（通用拼接）、（垂直拼接）、（水平拼接）、（深度拼接）。NumPy 数组拼接的核心是是简化版（分别对应axis=0/1拼接规则：除拼接轴外，其他维度大小必须完全一致，否则报错；维度说明：一维数组：仅能按axis=0拼接（
2026-02-25 15:09:36
895
原创 深入理解 NumPy 的索引（Indexing）和切片（Slicing）
索引：通过 “位置编号” 访问数组中单个元素（如取第 3 个元素、第 2 行第 5 列元素）；切片：通过 “范围指定” 提取数组中连续的子数组（如取前 10 个元素、第 2-5 行所有列）；核心优势：NumPy 的索引 / 切片是向量化操作，比 Python 列表的索引 / 切片更快，且支持多维数组的灵活提取。索引 / 切片是 NumPy 访问数组的核心：索引取单个元素，切片取连续子数组；多维数组操作：按维度依次指定索引 / 切片，逗号分隔（行, 列, 维度...
2026-02-19 09:08:22
1134
原创 深入理解 NumPy 中数组的转置（Transpose）
转置是指调整数组维度的顺序对二维数组（矩阵）：转置就是 “行变列、列变行”（最直观的场景）；对高维数组（三维 / 四维）：转置是按指定顺序重新排列维度（比如将(维度0, 维度1, 维度2)转为(维度2, 维度1, 维度0)NumPy 中实现转置的核心方式有 3 种（等价但适用场景不同）：表格方式语法特点数组属性Tarr.T最简洁，适合二维数组快速转置方法灵活，可指定高维数组的维度顺序函数等价于，函数式写法数组转置核心是调整维度顺序：二维数组是 “行变列”，高维数组是按指定顺序重排维度；
2026-02-19 09:07:20
934
原创 深入理解 NumPy 的广播（Broadcasting）机制
广播是 NumPy 为不同形状数组间的算术运算设计的自动适配规则：当两个数组形状不同时，NumPy 会自动扩展（“广播”）较小数组的维度，使其形状与较大数组匹配，从而实现逐元素运算（无需复制数据，仅调整维度逻辑）。标量（0 维）可与任意维度数组广播，是最常见的场景：python# 数组A：2行3列（形状(2,3)）# 标量B：形状()B = 10# 广播运算：B被扩展为(2,3)的数组[[10,10,10],[10,10,10]]C = A + B。
2026-02-18 21:02:41
872
原创 深入理解 NumPy 的 flatten() 函数
flatten()是 NumPy 数组（ndarray）的内置方法，作用是将任意维度（一维 / 二维 / 三维 / 高维）的数组 “展平” 为一维数组，并返回一个新的独立数组（不与原数组共享内存）。简单说：无论原数组是 2 行 3 列的二维数组，还是 2×3×4 的三维数组，flatten()都会把所有元素按指定顺序排成一行，且修改展平后的数组不会影响原数组。flatten()核心是将任意维度数组展平为一维，返回独立拷贝，修改后不影响原数组；关键参数order'C'（行优先，默认）、'F'
2026-02-18 20:46:46
1192
原创 深入了解NumPy 的 reshape 函数
reshape用于在不改变数组元素和元素顺序的前提下，修改数组的形状（维度 / 行列数）。简单说：就是把同一个 “数据集合”，重新排列成不同的行列结构（比如从 1 行 10 列的一维数组，变成 2 行 5 列的二维数组）。reshape核心是不改变元素，仅调整数组形状，要求「目标形状总数 = 原始数组总数」；-1是核心技巧：自动计算维度大小，常用于展平数组（）或固定某一维度；关键特性：新数组与原数组共享内存，修改会相互影响，需独立则加.copy()；
2026-02-13 19:20:15
1413
原创 详解Numpy.Random()函数
NumPy 1.17+ 推出了新的随机 API（Generator），替代旧的全局函数，优势是线程安全、功能更全、避免种子冲突。核心是生成伪随机数，通过种子实现可复现，向量化生成效率远超 Python 原生；高频函数（贴合你的场景）：normal()（正态）、uniform()（均匀）；rand()（0~1）、randint()（整数）；推荐用法：用创建自定义生成器，避免全局种子冲突；避坑关键：区分不同分布函数，注意randint。
2026-02-12 11:15:07
894
原创 什么是numpy???
NumPy（Numerical Python）是 Python 科学计算的基础核心库，专门用于处理多维数组（矩阵）和数值计算，是 pandas、matplotlib、scikit-learn 等库的底层依赖。简单说：Python 原生的列表（list）适合通用数据存储，但处理大规模数值计算（如矩阵乘法、统计分析、随机数生成）时效率极低；NumPy 提供了同类型元素的多维数组（ndarray）和向量化运算，把原本需要循环的操作转为底层 C 语言实现，速度提升几十到几百倍。NumPy 核心是ndarray。
2026-02-11 16:50:30
1169
原创 深入理解 matplotlib 中的直方图（Histogram）（补充：组数的计算）
组数计算核心是适配数据特征：正态分布用斯特吉斯法则，有异常值用 FD 法则，非正态用斯科特法则；matplotlib 自动组数：调用 numpy 的多规则综合算法，优先贴合数据分布，无需手动计算；手动指定组数：按业务场景（如分数段）或数据量调整，验证标准是 “能清晰展示分布规律，无过多噪声”；关键关系：组数 数据范围组距（均匀分组），bin 边界数量 = 组数 + 1。
2026-02-11 13:05:10
843
原创 深入理解 matplotlib 中的直方图（Histogram）
python# 自定义bin区间（按分数段分组）# 绘制频率直方图ax.hist(x=data,density=True, # 显示频率alpha=0.8ax.set_title('考试分数频率分布直方图', fontsize=16)ax.set_xlabel('分数段', fontsize=14)ax.set_ylabel('频率', fontsize=14)# 添加频率数值标签（可选）plt.show()直方图核心是展示连续数据的分布，通过ax.hist()实现，关键参数是bins。
2026-02-10 16:25:01
1051
原创 详解np.clip()函数
如果需要给每个元素设置不同的上下限，可传入和原数组同形状的a_mina_maxpython运行# 原始数组# 每个元素的最小值（按位置）# 每个元素的最大值（按位置）# 按位置裁剪print("原始数组：", arr)print("裁剪后数组：", clipped_arr)输出plaintext原始数组： [ 1 6 11 16]裁剪后数组： [ 2 6 9 16]解释：第 1 个元素：1 < 2 → 替换为 2；第 2 个元素：6 在 5~7 之间 → 保持不变；
2026-02-10 15:54:40
1023
原创 详解np.random.normal()函数
生成 1000 个均值 100、标准差 15 的正态分布随机数，存储为 1 维 NumPy 数组；loc是均值（中心），scale是标准差（离散程度），size是数据数量 / 形状；生成的数据符合正态分布的 “68-95-99.7” 法则，是模拟真实数据、测试算法的高频用法；固定随机种子可复现结果，注意scale传的是标准差而非方差。
2026-02-09 22:47:20
676
原创 python数据类型详解
通过class示例：python运行p = Person('小明') # 自定义类型实例Python 核心基础类型包括：数值（int/float/complex）、字符串（str）、布尔值（bool）、列表（list）、元组（tuple）、字典（dict）、集合（set）；核心区分维度是 “可变 / 不可变”：不可变类型更安全，可变类型更灵活；快速判断类型用type()，类型转换用对应内置函数。
2026-02-08 14:32:01
658
原创 为什么print(i*2 for i in range(0,10))不能直接遍历
print()直接打印生成器对象，而非遍历其数值；修正思路：要么用list()/ 列表推导式将生成器转为可打印的列表，要么用for循环遍历生成器并逐个打印；关键区别：生成器是 “规则”，列表是 “结果”，print无法直接解析生成器的规则为数值。
2026-02-08 14:27:58
296
原创 论什么是时间序列
时间序列（Time Series）是按时间先后顺序排列的一组数据点数据与时间戳强绑定（比如每秒、每天、每月记录一次）；数据的顺序不可打乱（时间维度的先后是分析的关键）。简单比喻：时间序列就像 “按时间轴记的流水账”—— 比如你每天记录的体重、公司每小时的销售额、股票每分钟的价格，这些按时间排好的数字，都是时间序列。时间序列的核心是按时间排序的有序数据，不可打乱顺序，且数据点之间有时间关联性；它的核心特征是趋势、季节性、周期性、随机波动，这是分析和预测的关键；主要用途是。
2026-02-07 17:32:55
328
原创 论python生成随机数的方法
日常小批量随机数（如抽奖、单个数生成）：用random模块，核心记；批量 / 多维随机数组（数据分析 / 机器学习）：用，核心记；加密 / 安全场景：必须用secrets模块，避免random的伪随机漏洞；固定种子可复现随机结果，是测试和实验的重要技巧。
2026-01-23 17:02:22
484
原创 Matplotlib的使用方法
核心逻辑：Matplotlib 绘图是「画布 (Figure)→子图 (Axes)→图形元素」的分层构建过程，推荐使用显式创建，更灵活；基础流程：导入模块→准备数据→创建画布 / 子图→绘图→配置美化→显示 / 保存；核心技巧折线图看趋势、柱状图比分类、散点图看相关、直方图看分布、饼图看占比；中文显示需配置和；子图用创建，调整间距。
2026-01-22 12:44:58
655
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人