厚积薄发

Python数据分析：pandas数据结构Series：类似一维数组的对象通过list构建Seriesser_obj = pd.Series(range(10))import pandas as pd# 通过list构建Seriesser_obj = pd.Series(range(10, 20))print(type(ser_obj))运行结果：由数...

pandas练习（一）建立一个以 2018 年每一天为索引，值为随机数的 Seriesdti = pd.date_range(start='2018-01-01',end='2018-12-31',freq='D')s = pd.Series(np.random.rand(len(dti)),index=dti)s统计s 中每一个周三对应值的和s[s.index.weekday ==...

Python数据分析：pandas数据重构与数据转换重构import numpy as npimport pandas as pddf_obj = pd.DataFrame(np.random.randint(0,10, (5,2)), columns=['data1', 'data2'])df_obj运行结果：stack将列索引旋转为行索引，完成层级索引stack...

Python数据分析：pandas数据合并pd.concat沿指定轴方向将多个对象合并到一起注意指定轴的方向，默认axis=0# index 没有重复的情况ser_obj1 = pd.Series(np.random.randint(0, 10, 5), index=range(0,5))ser_obj2 = pd.Series(np.random.randint(0, 10,...

python数据分析：pandas数据连接pd.mergeimport pandas as pdimport numpy as npdf_obj1 = pd.DataFrame({'key': ['b', 'b', 'a', 'c', 'a', 'a', 'b'], 'data1' : np.random.randint(0,10,7)})...

Python数据分析：pandas分组与聚合分组（groupby）：对数据集进行分组，然后对每组进行统计分析SQL能够对数据进行过滤，分组聚合pandas能利用groupby进行更加复杂的分组运算分组运算过程split（拆分）：进行分组的根据apply（应用）：每个分组运行的计算规则combine（合并）：把每个分组的计算结果合并起来impo...

Python数据分析：pandas层级索引import pandas as pdimport numpy as npser_obj = pd.Series(np.random.randn(12), index=[['a', 'a', 'a', 'b', 'b', 'b', 'c', 'c', 'c', 'd', 'd', 'd'], ...

Python数据分析：pandas统计计算和描述常用统计计算：sum, mean, max, minaxis=0表示按列统计，axis=1按行统计skipna 排除缺失值，默认为Trueidmax, idmin, cumsumimport numpy as npimport pandas as pddf_obj = pd.DataFrame(np.rand...

Python数据分析：pandas数据操作索引操作：series索引ser_obj[‘label’] 通过索引名称访问ser_obj[pos] 索引位置访问import pandas as pdser_obj = pd.Series(range(5), index = ['a', 'b', 'c', 'd', 'e'])print(ser_obj.head())pr...

pandas练习（二）透视表的创建df = pd.DataFrame({'A': ['one', 'one', 'two', 'three'] * 3, 'B': ['A', 'B', 'C'] * 4, 'C': ['foo', 'foo', 'foo', 'bar', 'bar', 'bar'] * 2, ...