Tracy_xixi的博客

其中freq频率可以有多个可选值，B为工作日频率，W为周频率，H为小时频率，M为分钟频率，S为秒频率，L表示毫秒频率，U为微秒频率。在python中对日期的处理是非常常见的工作，pandas库中提供了日期相关的函数，可以对于时间序列数据进行重采样和日期运算操作。2.to_datetime()将时间戳字符串转换为日期和时间。

总结一下，使用groupby()时需要想明白针对哪一列分组，针对哪一列数据计算聚合值；使用pivot_table()时需要想明白表格最终呈现出来的样子，横标签为哪一列，纵标签为哪一列，以此为最基础的理解然后展开更为复杂的分析结果。例如上述例子中，如果我们有多次数学和英语测试的分数，想看每个同学每门科目下的最好的分数，就需要使用数据透视表来进行聚合分组。在数据分析的过程中，少不了对DataFrame的列进行聚合分组，如求均值、最大值、最小值、计数、求和等。

因为DataFrame的单独一列为Series对象，所以创建一个Series对象的方法实际上可以推广创建DataFrame对象。3.此外，通过pd_read***()等系列函数，针对数据源类型的不同读取进来的对象都会成为DataFrame对象。DataFrame对象是我们数据分析中常用的对象，理解它的创建方式可以对它的特性有进一步的了解。3.创建字典来合并多个series对象从而创建一个DataFrame对象。给这个空的DataFrame对象填充数据有很多种方式。我们先创建一个空的DataFrame对象。

NumPy数组可以拆分成多个子数组，子数组的大小形状相同。分为水平拆分、垂直拆分、深度拆分。同样的，也可直接使用split()函数定义axis的方式来完成以上两种方式的拆分。hsplit()将数组按水平方向拆分成N个相同的子数组。vsplit()将数组按垂直方向拆分成N个相同的子数组。

数组的堆叠有不同的类型，分为水平堆叠、垂直堆叠、深度堆叠、列堆叠、行堆叠。两种方式：hstack()或concatenate()两种方式：vstack()或concatenate()4.列堆叠：针对一维数组来讨论，一维数组的深度堆叠。5.行堆叠：针对一维数组讨论，一维数组的纵向堆叠。3.深度堆叠：增加一个维度扩展。1.水平堆叠：即横向扩展。2.垂直堆叠：即纵向扩展。

与flatten()功能类似，也是将一个n维数组转换成一维数组。两者的区别是flatten()返回的是实际数组，而ravel()返回的是对原始数组的引用，因此执行速度会更快。数组常见的操作包括：reshape(),flatten(),ravel(),transpose(),resize()。与reshape类似，但是会改变原始数组的形状。将二维数组的行转列、列转行。

dtype的使用

本文章介绍了首次安装jupyter notebook中可选择安装的扩展及其简介，可以根据自己的需求选择安装合适的拓展提升使用jupyter的感受。