学而不思则忘

一、对某一列中特定的值进行修改以 iris.csv 文件为例，对数据进行修改。把"Species"这一列中三种花的名字分别用0,1，2代替import pandas as pddata = pd.read_csv('iris.csv')print(type(data['Species']))data.loc[data['Species'] == "Iris-setosa", "Sp...

reversed()：函数返回一个反转的迭代器。https://www.runoob.com/python3/python3-func-reversed.htmlround()：方法返回浮点数x的四舍五入值https://www.runoob.com/python/func-number-round.htmlenumerate()：将一个可遍历的数据对象(如列表、元组或字符串)...

一、显示的创建多级索引https://pandas.pydata.org/pandas-docs/version/0.23.4/generated/pandas.MultiIndex.html1、通过有不同等级的若干个简单数组：>>> arrays = [[1, 1, 2, 2], ['red', 'blue', 'red', 'blue']]>>> p...

一、从python列表创建数组官方文档：https://www.numpy.org/devdocs/reference/generated/numpy.array.html?highlight=array#numpy.array1、和python列表不同，NumPy要求数组必须包含同一类型的数据。如果类型不匹配，NumPy会向上转换类型。如下面实例：ls = np.array([1.36, ...

pivot_table()的官方文档：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.pivot_table.html?highlight=pivot_table#pandas.DataFrame.pivot_table1、简单使用>>>import numpy as np...

学习了Pandas的一些基本语法后，通过下面的例子来初步了解一些pandas数据处理的过程，下面是三个要使用到的数据链接：https://raw.githubusercontent.com/jakevdp/data-USstates/master/state-abbrevs.csvhttps://raw.githubusercontent.com/jakevdp/data-USstates/m...

一、将DataFrame看成字典通过键值来取，用一个键值，就可以取出一行值或者一列值；当然也可以用两个键值组合，就可以取出唯一确定的值。和坐标类似。二、将DataFrame看作二维数组三、其他方法大体思路就和数组取值类似，只不过是相应的索引换了内容。...

一、将Series看做字典——通过键值二、将Series看做数组——通过索引之类方法三、用索引器：loc、iloc和ix>>>data = pd.Series(['a', 'b', 'c'],index=[1, 3, 5])1 a3 b5 cdtype: object1、loc属性：loc属性取值和切片都是显式的，即索引的值就是对象内部存储的...

一、DataFrame是通用的NumPy数组DataFrame即有灵活的行索引，又有灵活的列索引。下面实例是DataFrame结合了前面所创建的两个Series对象：>>>population_dict = { 'Calishdjs':'820780400', 'hdfahkjsk':'388488888', 'sjciiizjl':'38478900...

一、Serise是通用的Numpy数组1、Serise创建的一维数组与Numpy不同之处在于，索引可以显示，并且还可以自定义索引。获取数组没有不同，都可以通过索引。>>>data = pd.Series([0.25, 3, 4, 5, 2], index=['a', 'b', 'c', 'd', 'e'])a 0.25b 3.00c 4.00d ...

一、快速排序——np.sort()、np.argsort()np.sort()——不修改原始数组的基础上返回一个排好序的数组：>>>x = np.array([2, 1, 4, 3, 5])>>>np.sort(x)array([1, 2, 3, 4, 5])np.argsort()——得到排好序后的每个元素的原始索引值：>>>i...

一、数据链接类型1、一对一链接：pd.merge()的一对一链接自动以这列作为键进行链接。即使共同列的位置不一样，它也会自动处理，使相应的数据对应。>>>df1 = pd.DataFrame({'employee':['Bob', 'Jake', 'Lisa', 'Sue'], 'group': ['Accounting', 'Engi...

一、通过pd.concat实现简单的合并这是一个创造数组的函数：def make_df(cols, ind): data = {c: [str(c) + str(i) for i in ind] for c in cols} return pd.DataFrame(data, ind)对df1和df2进行hang合并，默认如此。>>>df1 = make...

NumPy数组遵循一组严格的规则，这组规则决定了两个数组之间的操作：1、如果两个数组的维度不同，小维度数组将在最左边补12、如果两个数组任何一个维度都不匹配，数组会扩展小的维度来和较大的那个数组维度匹配3、两个数组在任何一个维度上都不匹配并且没有任何一个维度等于1，会引发异常>>>a = np.arange(3).reshape((3, 1))array([[0], ...

一、通用函数运算(一），数组的运算对于一个数组，可以直接用加+，减-，乘*，除/，逻辑非，指数运算符 **，其结果就是数组里面每一个元素运算的结果。(二），NumPy实现的算术运算符1、加法运算：np.add()https://www.numpy.org/devdocs/reference/generated/numpy.add.html?highlight=add#numpy.add...

在最近的Python-Django框架学习过程中，遇到了一个加载网页出现的问题，即加载后网页报错：A server error occurred. Please contact the administrator.在网上搜索许久后，发现都不能很好的解决这个问题（当然，有可能是所遇到的问题不一样）。这里向大家介绍一下我遇到问题：我把settings.py中的一个变量data_added 改成...