weixin_37763870的博客

文章目录1.前言2.Series可视化3.Dataframe 可视化4.画散点图1.前言首先import我们需要用到的模块，除了 pandas，我们也需要使用 numpy 生成一些数据，这节里使用的 matplotlib 仅仅是用来 show 图片的, 即 plt.show()。import pandas as pdimport numpy as npimport matplotlib....

文章目录1.前言2.通过key合并1.前言pandas中的merge和concat类似,但主要是用于两组有key column的数据,统一索引的数据. 通常也被用在Database的处理当中.2.通过key合并import pandas as pdleft = pd.DataFrame({"key":["K0","K1","K2","K3"], ...

文章目录1.前言2.垂直合并（axis = 0）1.前言pandas处理多组数据的时候往往会要用到数据的合并处理,使用 concat是一种基本的合并方式.而且concat中有很多参数可以调整,合并成你想要的数据形式.2.垂直合并（axis = 0）axis=0是预设值，因此未设定任何参数时，函数默认axis=0import pandas as pdimport numpy as np...

文章目录1.构造DataFrame（部分含有NaN）2.用dropna()删除含有NaN的行或列3.用fillna()替换NaN4.用isnull()判断是否含有NaN1.构造DataFrame（部分含有NaN）有时候我们导入或处理数据, 会产生一些空的或者是 NaN 数据,如何删除或者是填补这些 NaN 数据就是我们今天所要提到的内容import numpy as npimport pa...

文章目录1.构造DataFrame2.运用loc、iloc更改值3.运用条件判断更改值4.在DataFrame中添加一列1.构造DataFrameimport pandas as pdimport numpy as npdates = pd.date_range('20200315', periods = 5)df = pd.DataFrame(np.arange(20).reshap...

文章目录1.普通方法筛选2.loc(纯标签筛选)3. iloc（纯数字筛选）4.ix（标签与数字的混合筛选）5.判断条件筛选1.普通方法筛选我们首先构造了一个 5X4 的矩阵数据。import pandas as pdimport numpy as npdates = pd.date_range('20200315', periods = 5)df = pd.DataFrame(np...

文章目录1.Numpy 和 Pandas 的比较2.Series1.Numpy 和 Pandas 的比较如果用 python 的列表和字典来作比较, 那么可以说 Numpy 是列表形式的，没有数值标签，而 Pandas 就是字典形式。Pandas是基于Numpy构建的，让Numpy为中心的应用变得更加简单。要使用pandas，首先需要了解他主要两个数据结构：Series和DataFrame。...