weixin_45640009的博客

关注matplotlib和以它为基础的库seaborn底层绘图在Jupyter notebook中使用交互式绘图，执行以下语句%matplotlib notebook9.1 简明matplotlib API入门导入import matplotlib.pyplot as pltmatplotlib的可视化作品库和文档是学习高级功能的最佳资源图片与子图绘制的图位于图片（Figure）对象中，plt.figure生成一个新的图片fig = plt.figure().

8.1 分层索引分层索引允许在一个轴向上拥有多个（两个或两个以上）索引层级Series分层索引创建data = pd.Series(np.random.randn(9), index=[['a', 'a', 'a', 'b', 'b', 'c', 'c', 'd', 'd'], [1, 2, 3, 1, 3, 1, 2, 2, 3]])"""输出a 1 -0.204708 2 0.4789

并非官方答案，仅供参考！欢迎提出更好的建议numpy 练习题numpy 的array操作1.导入numpy库import numpy as np2.建立一个一维数组 a 初始化为[4,5,6], (1)输出a 的类型（type）(2)输出a的各维度的大小（shape）(3)输出 a的第一个元素（值为4）a = np.array([4,5,6])type(a) # numpy.ndarraya.shape # (3,)a[0] # 443.建立一个二维数组 b,初始化为 [ .

讨论用于缺失值、重复值、字符串操作和其他分析数据转换的工具7.1 处理缺失值pandas对象的所有描述性统计信息默认情况下是排除缺失值的对于数值型数据，pandas使用浮点值NaN（Not a Number来表示缺失值）NA（not available，不可用）Python内建的None值在对象数组中也被当作NA处理NA处理方法过滤缺失值过滤缺失值方法使用pandas.isnull和布尔值索引使用dropna在Series上使用，会返回Ser.

6.1 文本格式数据的读写将表格型数据读取为DataFrame对象：read_csv()和read_table()Pandas的解析函数可选参数索引：可以将一或多个列作为返回的DataFrame类型推断和数据转换：包括用户自定义的值转换和自定义的缺失值符号列表。日期时间解析：包括组合功能，包括将分散在多个列上的日期和时间信息组合成结果中的单个列迭代：对大型文件的分块迭代未清洗数据问题：跳过行、页脚、注释以及其他次要数据，比如使用逗号分隔千位的数字。一些数据载入函数（如

pandas经常是和其他数值计算工具，比如NumPy和SciPy，以及数据可视化工具比如matplotlib一起使用。pandas支持大部分NumPy的数组计算，尤其是数组函数以及没有for循环的各种数据处理。pandas处理表格型或异质型数据，NumPy处理同质型的数值类数组数据常用的类：Series和DataFrame5.1 pandas数据结构介绍SeriesSeries是一种一维的数组型对象，它包含了一个值序列，并且包含了数据标签，称为索引（index）。默认生成索引从0到.

第四章 NumPy基础：数组与向量化计算NumPy，是Numerical Python的简称，是目前Python数值计算中最重要的基础包，其数组对象作为数据交换的通用语主要内容ndarray，一种高效多维数组，提供了基于数组的便捷算术操作以及灵活的广播功能。对所有数据进行快速的矩阵计算，而无须编写循环程序。对硬盘中数组数据进行读写的工具，并对内存映射文件进行操作。线性代数、随机数生成以及傅里叶变换功能。用于连接NumPy到C、C++和FORTRAN语言类库的C语言API。NumPy处

3.1 数据结构和序列元组固定长度，不可变的Python对象序列创建元组最简单：用逗号分隔序列值更复杂：用括号将值包起来，例如：生成元素是元组的元组使用tuple函数将任意序列或迭代器转换为元组元组中存储的对象自身是可变的，但是元组一旦创建，各个位置上的对象是无法被修改的。In[1]:tup=tuple(['foo',[1,2],True])In[2]:tup[2] = False# 提示错误如果元组中的一个对象是可变的，例如列表，你可以在它内部进行修改可以

推荐使用IPython命令行和Jupyter notebook来实验代码示例，以及探索各种类型、函数和方法的文档。和其他键盘控制的命令行环境一样，练就常用命令的肌肉记忆也是学习曲线的一部分。优秀Python书籍推荐《Python Cookbook》（第3版），作者为David Beazley和Brian K.Jones（O’Reilly）《Fluent Python》，作者为Luciano Ramalho（O’Reilly）《Fluent Python》，作者为Luciano Ramalho（O

第一章 准备工作1.1 本书内容常见数据形式表格型的数据，每一列可能会包含不同的类型（字符串、数值、日期或其他）。多维数组（矩阵）。由键位列关联的多张表数据（对于SQL用户来说就是主键或外键）。均匀或非均匀的时间序列。1.2 为何利用Python进行数据分析Python作为胶水，整合C、C++等语言的代码解决“双语言”难题：使用相同程序工具集来兼顾研究人员和软件工程师的好处越发明显。当搭建高并发、多线程应用，尤其是多CPU绑定线程时，使用Python则会成为一项挑战。原因在于Pyt

我的环境 windows 10Anaconda3-2021.11-Windows-x86_64文章目录1.查找Jupyter Notebook配置文件2.更改配置文件中的路径配置3. 更改jupyer属性另：插播暴力更改jupyter路径的方法1.查找Jupyter Notebook配置文件使用快捷键【Win+R】打开运行程序，输入【cmd】打开命令行；输入以下命令查找配置文件地址jupyter notebook --generate-config2.更改配置文件中的路径配置.

【Python和Pycharm安装与卸载教程】可以参考我的另一篇博客：https://blog.youkuaiyun.com/weixin_45640009/article/details/109296452.创建一个新的项目一个项目中可以包含许多Python文件，这样便于文件管理，所以选择先创建一个项目为项目添加Python解释器；此时也可以修改项目文件存储地址，更改页面上方【Location】路径设置解释器的路径如果忘记，【win+R】，输入cmd,调出命令行，输入【Where Pyth

简介Python解释器通常我们说的Python是指一种跨平台的程序设计语言，而我们这里说的安装Python是指安装Python解释器，只有安装Python解释器你的计算机才能读懂Python语言。PycharmPycharm是一种Python IDE（集成开发环境），带有一整套帮助Python开发的高效率工具。Pycharm分为专业版（Professional，收费）和社区版（community，免费）。只需要python基础功能可以下载社区版，想要解锁更多功能下载专业版。ps:学生可以申请免