- 博客(31)
- 收藏
- 关注
RSS订阅
原创 pandas中head() 函数的应用
函数用于获取 DataFrame 或 Series 的前几行，默认情况下返回前 5 行。它是用来快速预览数据的常用方法。在这个示例中，我们创建了一个 DataFrame，并使用。下面是一个示例，说明如何使用。函数获取了前 3 行数据。
2024-05-04 10:34:21
566
原创 pandas中count() 函数应用
函数用于统计 DataFrame 中非空（非缺失）元素的数量。它返回一个 Series，其中包含每列中非空元素的计数。函数统计了每列中非空元素的数量。列 'A' 有 4 个非空元素，列 'B' 和列 'C' 分别有 3 个非空元素。在这个示例中，我们创建了一个包含缺失值的 DataFrame，并使用。下面是一个示例，说明如何使用。
2024-04-13 10:29:59
729
原创 pandas中cov() 函数的应用
函数用于计算 DataFrame 中数值型数据之间的协方差。它计算了每对列之间的协方差，返回一个具有相同列标签和行标签的协方差矩阵。函数计算了各列之间的协方差矩阵。由于示例数据是简单的数值序列，因此每对列之间的协方差都是 2.5。在这个示例中，我们创建了一个 DataFrame，并使用。下面是一个示例，说明如何使用。
2024-04-12 09:11:00
651
原创 pandas中corr() 函数的应用
函数用于计算 DataFrame 中数值型数据之间的相关性。它计算了每对列之间的相关系数，返回一个具有相同列标签和行标签的相关系数矩阵。函数计算了各列之间的相关系数。由于示例数据是简单的数值序列，因此每对列之间的相关系数都是 1.0，表示它们之间的线性相关性很强。在这个示例中，我们创建了一个 DataFrame，并使用。下面是一个示例，说明如何使用。
2024-04-10 19:51:59
660
原创 pandas中cummin() 函数的应用
函数用于计算 DataFrame 或 Series 中数值型数据的累积最小值。它将沿着指定的轴（行或列）对数据进行累积求最小值，并返回一个具有相同形状的 DataFrame 或 Series。函数计算了整个 DataFrame 的累积最小值、每列的累积最小值以及每行的累积最小值。参数来沿着行或列进行计算累积最小值，默认情况下是对列进行计算累积最小值。在这个示例中，我们首先创建了一个 DataFrame，并使用。下面是一个示例，说明如何使用。
2024-04-07 19:27:05
583
原创 pandas中var() 函数的应用
函数用于计算 DataFrame 或 Series 中数值型数据的方差。方差是衡量数据分散程度的一种统计量，它是各个数据与整个数据集平均值之差的平方的平均值。函数计算了整个 DataFrame 的方差、每列的方差以及每行的方差。在这个示例中，我们首先创建了一个 DataFrame，并使用。参数来沿着行或列进行计算方差，默认情况下是对列进行计算方差。下面是一个示例，说明如何使用。
2024-04-06 11:57:12
364
原创 pandas中isna() 函数的应用
函数检查了 DataFrame 中的缺失值。结果显示 DataFrame 中第一列的第二个和第四个元素，以及第二列的第三个元素是缺失值，对应的值为。函数用于检查 DataFrame 或 Series 中的每个元素是否为缺失值（NaN）。如果元素是缺失值，则返回 True；否则返回 False。在这个示例中，我们创建了一个包含缺失值的 DataFrame，并使用。下面是一个示例，说明如何使用。
2024-04-05 11:19:01
898
原创 pandas中apply() 函数的应用
函数是 Pandas 中用于对 DataFrame 或 Series 中的数据进行自定义函数处理的函数。它可以将一个函数应用到 DataFrame 或 Series 的每一行或每一列，从而实现对数据的批量处理。函数，我们成功对 DataFrame 中的每一列应用了自定义函数，得到了每列的均值和标准差。这样的批量处理方式可以帮助我们快速进行数据分析和数据清洗。假设我们有一个 DataFrame，我们希望对其中的数值列应用一个自定义函数，计算每列的均值和标准差。对于 Series 和 DataFrame，
2024-04-04 16:47:55
915
原创 pandas中describe() 函数的应用
函数用于生成关于 DataFrame 中数值型列的统计摘要。它提供了各种描述性统计信息，如均值、标准差、最小值、最大值、四分位数等，以帮助我们更好地了解数据的分布情况。函数生成了数值型列的统计摘要。输出结果包括了计数、均值、标准差、最小值、25% 分位数、中位数（50% 分位数）、75% 分位数和最大值等统计信息。在这个示例中，我们创建了一个 DataFrame，并使用。下面是一个示例，说明如何使用。
2024-04-03 10:27:43
581
原创 pandas中cummax() 函数的应用
函数用于计算 DataFrame 或 Series 中数值型数据的累积最大值。它将沿着指定的轴（行或列）对数据进行累积求最大值，并返回一个具有相同形状的 DataFrame 或 Series。函数计算了整个 DataFrame 的累积最大值、每列的累积最大值以及每行的累积最大值。参数来沿着行或列进行计算累积最大值，默认情况下是对列进行计算累积最大值。在这个示例中，我们首先创建了一个 DataFrame，并使用。下面是一个示例，说明如何使用。
2024-04-02 12:27:46
569
原创 pandas中quantile() 函数的应用
函数计算了整个 DataFrame 的中位数（50% 分位数）、每列的四分位数（25% 分位数和 75% 分位数）以及每行的分位数（20% 分位数和 80% 分位数）。可以通过指定百分位数来计算不同分位数的值，也可以通过指定。函数用于计算 DataFrame 或 Series 中数值型数据的分位数。分位数是将数据分为等分的数值点，常用的分位数包括中位数（50% 分位数）、四分位数（25% 分位数和 75% 分位数）等。参数来沿着行或列进行计算，默认情况下是对列进行计算分位数。下面是一个示例，说明如何使用。
2024-04-01 10:22:01
860
原创 pandas中std() 函数的应用
函数用于计算 DataFrame 或 Series 中数值型数据的标准差。标准差是衡量数据集合中数据分散程度的一种统计量，它越大表示数据的波动越大，反之表示数据的波动越小。函数计算了整个 DataFrame 的标准差、每列的标准差以及每行的标准差。参数来沿着行或列进行计算标准差，默认情况下是对列进行计算标准差。在这个示例中，我们首先创建了一个 DataFrame，并使用。下面是一个示例，说明如何使用。
2024-03-31 10:16:22
570
1
原创 pandas中mode() 函数的应用
函数用于计算 DataFrame 或 Series 中数值型数据的众数。众数是指数据集中出现频率最高的值。它可以对整个 DataFrame 或 Series 进行计算众数，也可以沿着指定的轴（行或列）进行计算众数。函数计算了整个 DataFrame 的众数、每列的众数以及每行的众数。在这个示例中，我们首先创建了一个 DataFrame，并使用。参数来沿着行或列进行计算众数，默认情况下是对列进行计算众数。下面是一个示例，说明如何使用。
2024-03-30 08:14:49
2593
原创 pandas中median() 函数的应用
函数用于计算 DataFrame 或 Series 中数值型数据的中位数。它可以对整个 DataFrame 或 Series 进行计算中位数，也可以沿着指定的轴（行或列）进行计算中位数。函数计算了整个 DataFrame 的中位数、每列的中位数以及每行的中位数。在这个示例中，我们首先创建了一个 DataFrame，并使用。参数来沿着行或列进行计算，默认情况下是对列进行计算中位数。下面是一个示例，说明如何使用。
2024-03-29 10:28:11
809
1
原创 pandas中mean() 函数的应用
函数用于计算 DataFrame 或 Series 中数值型数据的平均值。它可以对整个 DataFrame 或 Series 进行求平均值，也可以沿着指定的轴（行或列）进行求平均值。函数计算了整个 DataFrame 的平均值、每列的平均值以及每行的平均值。在这个示例中，我们首先创建了一个 DataFrame，并使用。参数来沿着行或列进行计算，默认情况下是对列进行求平均值。下面是一个示例，说明如何使用。
2024-03-28 09:29:14
1709
原创 pandas中cumsum() 函数的应用
函数用于计算 DataFrame 或 Series 中数值型数据的累积和。它将沿着指定的轴（行或列）对数据进行累积求和，并返回一个具有相同形状的 DataFrame 或 Series。函数计算了整个 DataFrame 的累积和、每列的累积和以及每行的累积和。参数来沿着行或列进行计算累积和，默认情况下是对列进行计算累积和。在这个示例中，我们首先创建了一个 DataFrame，并使用。下面是一个示例，说明如何使用。
2024-03-26 15:40:02
608
原创 pandas中sum() 函数的应用
函数用于计算 DataFrame 或 Series 中数值型数据的总和。它可以对整个 DataFrame 或 Series 进行求和，也可以沿着指定的轴（行或列）进行求和。函数计算了整个 DataFrame 的总和、每列的总和以及每行的总和。在这个示例中，我们首先创建了一个 DataFrame，并使用。参数来沿着行或列进行求和，默认情况下是对列进行求和。下面是一个示例，说明如何使用。
2024-03-25 11:15:26
623
原创 Python中os模块功能简介
Python中的"os"模块提供了一种使用与操作系统相关的功能的方式。它允许您与操作系统进行交互，例如访问文件、目录和执行系统命令。模块提供的功能可能会根据所使用的操作系统而变化。以下是一个简单的示例，演示了如何使用。
2024-03-21 15:00:06
687
1
原创 pandas中filter() 函数的应用
函数筛选了列名以 'A' 开头的列。你也可以根据其他条件筛选列或行，如根据正则表达式匹配、指定行标签等。函数用于根据某些条件筛选 DataFrame 中的列或行。在这个示例中，我们创建了一个 DataFrame，并使用。，用于指定要筛选的列名或行标签，还可以传递一个参数。进行更加灵活的筛选。
2024-03-20 00:41:54
958
1
原创 pandas中sort_values() 函数的应用
函数对 DataFrame 进行排序。在第一个示例中，我们按照列 'A' 的值进行升序排序，而在第二个示例中，我们按照列 'B' 的值进行降序排序。用于按照指定的列或多列对 DataFrame 进行排序。它可以根据指定列的值进行升序或降序排列。在这个示例中，我们首先创建了一个 DataFrame，并使用。下面是一个示例，说明如何使用。
2024-03-19 19:02:00
287
1
原创 pandas中resample() 函数的应用
函数用于对时间序列数据进行重采样。重采样是指将时间序列数据从一个频率转换为另一个频率的过程，可以实现数据的聚合、降采样或升采样。在这个示例中，我们首先创建了一个包含日期索引的时间序列数据。函数对时间序列数据按周进行重采样，并计算每周的均值。函数还可以和其他聚合函数一起使用，如。下面是一个简单的示例，说明如何使用。表示计算每个时间段的均值。等，以实现不同的聚合需求。
2024-03-18 00:22:32
981
原创 pandas中dropna() 函数的用法
函数是 Pandas 中用于删除包含缺失值的行或列的函数。它可以用于数据清洗和数据预处理，去除缺失值，以便进一步分析或建模。函数，你可以轻松地删除 DataFrame 中的缺失值，以保持数据的一致性和准确性。
2024-03-17 11:19:27
1035
原创 pandas中drop_duplicates函数的用法
函数是 Pandas 中用于删除 DataFrame 中重复行的函数。它会返回一个去除重复行的新 DataFrame。该函数主要用于数据清洗和数据去重操作。
2024-03-16 19:18:20
758
1
原创 pandas中rename函数的用法
rename()函数是 Pandas 中用于重命名 DataFrame 或 Series 的函数。它可以根据指定的映射规则，对索引标签或列名进行重命名。rename()函数可以接受多种类型的参数，例如字典、函数或映射等。
2024-03-15 11:11:16
928
1
原创 pandas中concat函数的用法
函数是 Pandas 中用于沿指定轴将多个 DataFrame 或 Series 连接在一起的函数。它可以按行或按列将多个对象连接在一起，可以根据索引或者按照指定的轴进行连接。
2024-03-11 16:46:21
690
原创 pandas中drop函数的用法
drop()drop()函数是 Pandas 中用于删除行或列的函数。它可以接受一个或多个索引或标签作为参数，并返回一个新的 DataFrame 或 Series，其中删除了指定的行或列。drop()函数有一个axis参数，用于指定删除行还是列，其默认值为0，表示删除行。
2024-03-10 19:36:05
1277
1
原创 pandas中iloc函数的用法
是 Pandas 中用于按位置（integer location）选择数据的函数。它允许你通过行和列的位置来访问 DataFrame 或 Series 中的元素。分别表示要选择的行和列的位置。这些位置从零开始计数，即第一行/列的位置为 0，第二行/列的位置为 1，依此类推。允许你通过位置选择 DataFrame 或 Series 中的元素，提供了一种便捷的方式来访问数据。使用的是整数索引，而不是标签索引。
2024-03-09 20:07:41
669
原创 pandas中loc函数的用法
函数是Pandas中用于基于标签（行和列的标签）进行索引和选择数据的方法。它主要用于按行和列标签选择数据，而不是按照位置（索引）进行选择。函数的基本用法和如何使用它来选择、修改数据。通过上述示例，你可以了解到。
2024-03-08 14:22:42
1412
原创 pandas中groupby函数的使用
groupby()是 Pandas 中用于分组数据的函数，它允许你根据指定的列对数据进行分组，然后对每个分组应用聚合函数。以下是一些groupby()
2024-03-07 00:30:00
495
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人