# -*- coding: utf-8 -*-
"""
Created on Fri Jul 12 12:20:50 2019
@author: Administrator
"""
#========================第二章 基础=============
# 日期和时间
from datetime import datetime,date,time
dt = datetime(2011,10,29,20,30,21)
dt.day
dt.minute
dt.date()
dt.time()
dt.strftime('%m/%d/%Y %H:%M') # strftime时间转为字符串
datetime.strptime('20091031','%Y%m%d') # strptime字符串转为时间
dt.replace(minute=0,second=0) # 替换时间
dt2 = datetime(2011,11,15,22,30)
delta = dt2-dt
delta # 时间间隔为17天7179秒
type(delta)
dt + delta # 加上一个时间差
#========================第四章 numpy基础=============
import numpy as np
from numpy import random
data1=[6,7.5,8,0,1]
arr1=np.array(data1)
arr1
data2=[[1,2,3,4],[5,6,7,8]]
arr2=np.array(data2)
arr2
arr2.ndim # 数组的行数
arr2.shape # 一个表示各维度大小的元组
arr1.dtype # 数组数据类型
arr2.dtype
np.zeros(10) # 指定长度全是0数组
np.zeros((3,6))
np.empty((2,3,2)) # 没有具体值的数组
np.arange(15) # 自然数数组
arr=np.array([3.7,-1.2,-2.6,0.5,12.9,10.1])
arr
arr.astype(np.int32) # 转换数据类型
# 浮点数转换为整数,小数部分截断
int_array=np.arange(10)
calibers=np.array([.22,.270,.357,.380,.44,.50],dtype=np.float64)
int_array.astype(calibers.dtype) # 另一种转换类型用法
arr=np.array([[1.,2.,3.],[4.,5.,6.]])
arr
arr*arr # 大小相等数组间任何算数运算都应用到元素
arr**0.5 # 数组与标量的算术运算也会落到各个元素
#基本的索引和切片
arr=np.arange(10)
arr
arr[5:8]=12
arr # 一维数组一般同列表
arr_slice=arr[5:8]
arr_slice[1]=12345
arr
arr_slice[:]=64
arr # 数组切片直接改变原数据
arr[5:8].copy() # 复制 切片副本
arr2d=np.array([[1,2,3],[4,5,6],[7,8,9]])
arr2d[2]
arr2d[0,2] # 二维数组索引
arr3d=np.array([[[1,2,3],[4,5,6]],[[7,8,9],[10,11,12]
利用Python数据分析——学习代码
最新推荐文章于 2023-12-27 10:02:29 发布
本文深入探讨了使用Python进行数据分析的过程,通过实例展示了如何运用Pandas、NumPy等库进行数据预处理、清洗、探索性分析及可视化。文章还涵盖了如何解决常见的数据挑战,帮助读者提升数据处理能力。
摘要由CSDN通过智能技术生成