Akashi37-CSDN博客

原创 SQL的全连接与内连接使用

外连接，以其中一表为主。包含左连接、右连接，写为left outer join、right outer join。这样的连接里对于右表（以左连接为例），会出现一部分为空的字段。全连接，取两张表+交集，写作union（左连接+右连接）outer join 一般就是左/右表+他们的交集，如果。内连接，取交集，写为inner join。不跨表的是联合，要跨表的是连接。inner join on 要。一、数据联合 vs 数据连接。分为内连接、外连接。

2023-11-09 22:54:05 122 1

原创 Python中的一维和二维

数组[[2,3,4],[1,2,2]] mean(axis=0，沿竖向)，均值为[1.5,2.5,3]其实axis指定对行还是列的数据进行操作 axis = 0，沿着行（竖向为行）；axis =1 ，沿着列（横向为列）。【不能操作列表，只能操作数组】python代码中常常会看到axis=0，axis=1，让人有点摸不着头脑。若mean(axis=1，沿横向)，均值为[3,1.67]列表2：[[2,3,4][1,0,7]] 转换为数组，形状为（2,3）列表1：[2,3,4] 转换为数组，形状为（3，）

2023-10-20 15:06:18 148 1

原创 Python中的索引切片

end_index:切片结束位置，不包含end（[),前闭后开），没有值则表示切割到此结束；默认为1，步长为正——从左往右，步长为负——从右往左。平时工作中会涉及处理表格，以及数据清洗，需要频繁用到索引切片，做简要梳理如下。③索引形式：[start_index : end_index : step]①从头切到尾(步长默认为1)：列表名[:]、列表名[::][:-1][::-1]步长为-1时从右往左切。②连续切片，如a[:7][2:5][-1:]③多维数组切片，如[0:2, : ]二、两种索引以及形式。

2023-10-18 10:53:15 206 1

原创 Python中的基本数据结构

dictionary = {('花花', '甜甜', '小爱', '小乖'): ['奶牛猫', '小花猫', '虎斑猫', '银渐层']} print(dictionary) 输出：{('花花', '甜甜', '小爱', '小乖'): ['奶牛猫', '小花猫', '虎斑猫', '银渐层']} # 输出整个字典。元组的访问：元素拆解，单独访问元组的某个元素。可用于添加、删除元素，可切片、索引和排序等。（后面的值可以是数字、字符串、列表、字典。1.容器类：列表（容器，存储元素），可存储数字，字符串、列表。

2023-10-17 11:53:52 121

原创 Pandas模块的corr()函数用法

实际用法要比上述更加灵活，可以通过嵌套循环实现一个series和一个df的全部列的相关系数计算，也可以实现两个df之间全部列的相关系数计算。pivot_df = pivot_df.T【转置矩阵，由原来的行形式，转换为列形式，便于一个个series的处理】因为corr()函数的输出结果是一个相关系数矩阵，把矩阵的详细生成过程理出来对于理解业务有一定帮助。数据集中，变量 X 和 Y 完全负相关性，即当 X 增加时，Y 减少。【x、y为变量值，ux和uy是变量的均值】（1）一个series和一个series。

2023-10-11 19:49:02 1523

原创 Numpy、Pandas以及Dataframe之间的关系梳理

聚合举例：（groupby-按列的值进行分组、size-每个分组的行数、first-返回分组的第一个元素、last、get_group-获取指定分组的数据、apply-使用分组自定义函数）存放不同维度的数组（一维、二维、三维），支持广播（broadcasting，允许在不同的数组之间操作）。Pandas库是建立在Numpy库的基础上，添加了索引和标签，具有Dataframe和Series两种更高级的数据结构。③第三种【用的最多】：pd.read_excel('file.xlsx')

2023-10-11 16:25:24 98

原创 python中package安装常用指令

清华：https://pypi.tuna.tsinghua.edu.cn/simple。阿里：http://mirrors.aliyun.com/pypi/simple/中国科学技术大学：http://pypi.mirrors.ustc.edu.cn/华中理工大学：http://pypi.hustunique.com/豆瓣：http://pypi.douban.com/simple/山东理工大学：http://pypi.sdutlinux.org/（2）Pycharm中的terminal内输入指令安装。

2023-10-10 10:12:48 252 1

原创 Numpy的argwhere()取索引出现数组形状不匹配的问题

而argwhere 函数作用对象是多维数组，可用于查找满足指定条件的元素的索引。使用df.corr()生成的结果是一个矩阵，而不是数组。使用argwhere容易出现数组形状不匹配的情况。编程错误原因：索引、矩阵和数组的概念还有混淆。添加下行代码再使用argwhere函数。array()方法可以用来创建多维数组。# 找出相关系数小于-0.8的行对。# 计算相关系数矩阵。

2023-04-19 05:48:07 176 1

Akashi37的博客