pandas------------(五)

本文介绍了Pandas库在0.15版本后对Categorical类型的支持,包括数据重命名、排序、添加缺失类别,以及DataFrame的画图功能。此外,还详细讲解了CSV、Excel和HDF5文件的导入和保存操作,以及处理可能遇到的异常情况。

十、Categorical

      1、从 0.15 版本开始,pandas 可以在 DataFrame 中支持 Categorical 类型的数据。

2、将 Categorical 类型数据重命名为更有意义的名称:

3、对类别进行重新排序,增加缺失的类别:

line 131 对 上上图的类别进行了重新排序,并增加了缺失的类别。

4、排序是按照Categorical 的顺序进行的而不是按照字典顺序进行,即按照Categorical定义的顺序排列:

5、对Categorical列进行排序时存在空的类别:

十一、画图

对于 DataFrame 来说, plot 是一种将所有列及其标签进行绘制的简便方法:

plt.lenend(loc = 'best')将图例摆放至最佳位置。

十二、导入和保存数据

CSV

1、 写入CSV文件:

2、从csv文件中读取:

EXCEL

1、写入EXCEL文件:

2、从EXCEL文件中读取:

HDF5

      HDF5 是一种常见的跨平台数据储存文件,可以存储不同类型的图像和数码数据,并且可以在不同类型的机器上传输,同时还有统一处理这种文件格式的函数库。

1、写入HDF5存储:

2、从HDF5存储中读取:

如果你尝试某个操作并且看到如下异常:

 上图说明用Series做条件判断时,值不确定,应用a.empty, a.any()或a.all() 。

    

基于STM32 F4的永磁同步电机无位置传感器控制策略研究内容概要:本文围绕基于STM32 F4的永磁同步电机(PMSM)无位置传感器控制策略展开研究,重点探讨在不依赖物理位置传感器的情况下,如何通过算法实现对电机转子位置和速度的精确估计与控制。文中结合嵌入式开发平台STM32 F4,采用如滑模观测器、扩展卡尔曼滤波或高频注入法等先进观测技术,实现对电机反电动势或磁链的估算,进而完成无传感器矢量控制(FOC)。同时,研究涵盖系统建模、控制算法设计、仿真验证(可能使用Simulink)以及在STM32硬件平台上的代码实现与调试,旨在提高电机控制系统的可靠性、降低成本并增强环境适应性。; 适合人群:具备一定电力电子、自动控制理论基础和嵌入式开发经验的电气工程、自动化及相关专业的研究生、科研人员及从事电机驱动开发的工程师。; 使用场景及目标:①掌握永磁同步电机无位置传感器控制的核心原理与实现方法;②学习如何在STM32平台上进行电机控制算法的移植与优化;③为开发高性能、低成本的电机驱动系统提供技术参考与实践指导。; 阅读建议:建议读者结合文中提到的控制理论、仿真模型与实际代码实现进行系统学习,有条件者应在实验平台上进行验证,重点关注观测器设计、参数整定及系统稳定性分析等关键环节。
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值