walking_visitor的博客

pandas的索引负责管理其轴标签和其他元数据内容，无论构建Series还是DataFrame时所用到的任何数据结果的列标签都会被转成一个index索引对象index对象是不可修改的，因此用户不能对其进行修改，由Index方法创建的index与DataFrame.index以及Series.index具有相同的属性frame1.diff(axis='index')Out[234]: ...

pandas的DataFrame是常用的数据分析数据格式，Oracle数据库是常用的结构化数据存储方式，通常做数据分析牵涉到大量的数据时，我们必须通过借助一定的工具进行，而不能单单依靠excel，因此通过pandas进行数据分析，以Oracle作为存储数据的媒介便成为了我们最方便或者灵活的选择，同时DataFrame的数据格式样式和oracle的结构化表非常的相似，将DataFrame格式的数据直...

首先看一段例子：import pandas as pdfrom pandas import DataFrame,Seriesdf = DataFrame(np.random.randn(10, 2), columns=['Col1', 'Col2'])boxplot=df.boxplot()  通过boxplot方法，我们直接得到了箱型图。boxplot方法官方介绍如下...

二、常用库1.NumPy　　NumPy是高性能科学计算和数据分析的基础包。部分功能如下： ndarray, 具有矢量算术运算和复杂广播能力的快速且节省空间的多维数组。 用于对整组数据进行快速运算的标准数学函数（无需编写循环）。 用于读写磁盘数据的工具以及用于操作内存映射文件的工具。 线性代数、随机数生成以及傅里叶变换功能。 用于集成C、C++、Fortran等语言编写...

数据中不可避免会出现数据的缺失，pandas提供了几种简单的方式进行缺失值的处理。处理方法：dropna方法：默认原始对象不会被修改，dropna后会生成新的对象对Series会丢弃掉NA值。而对于DataFrame则会默认丢弃掉含有NaN的行，如果要丢弃含NaN的列，则指定axis=1若传入how='all'，则会丢弃全是NaN的行，指定axis=1时，则丢弃列fr...

OK，继续学习pandas的基本功能之计算与统计，pandas库的数据结构几乎与excel或数据库的结构完全一样，非常接近我们日常所用的数据形式。同时也是数据分析/挖掘计算的常用基础库，其计算功能的重要性自然不言而喻。本次我们针对pandas的主要数据结构Series/DataFrame的计算统计功能和方式进行学习，主要包括算术的数据对齐、错误值填充、DataFrame和Series运算、统计...

前边学习了pandas的基本数据结构Series和DataFrame，以及重要的index。本次在前期学习的基础上继续学习其基本的功能，比如重新索引(reindex)或者说索引取值、向前/后填充、。。。。重新索引重新索引的方法是reindex，有点像np.reshape。不同点在于np.reshape可改变数据结构本身，而reindex则是新产生一个数据结构，原始数据结构并未改变。Se...

本次从DataFrame的基本定义、创建、索引、取值/赋值几个方面进行基本的入门介绍定义DataFrame是个表格型的数据结构，既包括行索引，也包括列索引，类似于numpy的二维数组，它可以被看做是n个Series的集合。创建DataFrame的创建形式有许多，可以通过二维数组、等长列表字典、字典组成的字典、由Series组成的字典等多种方式创建等。DataFrame在创建时可通过...

DataFrame.corr(method='pearson',min_periods=1)参数说明：method：可选值为{‘pearson’, ‘kendall’, ‘spearman’} pearson：Pearson相关系数来衡量两个数据集合是否在一条线上面，即针对线性数据的相关系数计算，针对非线性 ...