常用 pandas 和 numpy 函数总结

最新推荐文章于 2025-05-15 16:46:35 发布

丶limit__

最新推荐文章于 2025-05-15 16:46:35 发布

阅读量664

点赞数

原文地址：

点击打开链接 http://blog.csdn.net/zhuxiaodong030/article/details/54316345

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

丶limit__

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

numpy、pandas实用总结(3种数据合并)

一念执着

07-24

834

前言将俩个或者多个DataFrame合并在一起，这样的操作在日常工作中是极为频繁的一件事情，目前，我所知的有四种将DataFrame合并在一起的方法： concat，在Series中也可以使用 merge join concat合并这种合并实际上是直接将俩个DataFrame简单粗暴的合在了一起，可以横着合并，也可以竖着合并，5个重要参数 axis：指定连接轴，默认为0 jo...

Python预处理之pandas、numpy介绍和常用函数使用

Sheenky的博客

05-13

5372

一、numpy基本介绍 1、什么是numpy NumPy（Numerical Python）是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高效的多（该结构也可以用来表示矩阵（matrix）），支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。 2、numpy的数据结构 numpy的数据结构是ndarray，它是一种N维的数组类型，它描述了相同类型的“items”的集合，同时

参与评论您还未登录，请先登录后发表或查看评论

numpy、pandas常用函数功能

u012477435的博客

10-11

1637

文章目录numpy和pandas常用函数功能一、Numpy1.1 常用功能二、pandas2.1 series对象2.2 DataFrame2.3 基本数据分析 numpy和pandas常用函数功能一、Numpy python科学计算的基础模块数据格式：ndarray 安装：sudo apt-get install python-numpy、pip install numpy 1.1 常用功能数组创建 np.array()、np.zeros()、np.ones()、np.empty()、np.ar

Numpy、Pandas包学习

最新发布

salvo5的博客

05-15

833

表示数组的维度数（轴的数量）

Pandas、numpy常用操作

FarryNiu的博客

08-05

799

文件读写读取excel: pandas.read_excel(path,sep=',',header=None) 写入excel: df.to_excel(path) 数组操作选中Dataframe的第i列: df[i] 选中Dataframe的第i行: df.loc[i] 选中Dataframe的第i行第j列的元素: df.loc[i,j]

Numpy、Pandas常用函数

m0_61517307的博客

12-18

1227

Numpy、Pandas常用函数详细汇总

numpy和pandas总结

qinlaiensmile的博客

01-28

549

numpy和pandas总结

34-Pandas和NumPy的比较

qwy715229258163的博客

07-04

851

我们知道 Pandas 是在 NumPy 的基础构建而来，因此，熟悉 NumPy 可以更加有效的帮助我们使用 Pandas。NumPy 主要用 C语言编写，因此，在计算还和处理一维或多维数组方面，它要比 Python 数组快得多。

Python数据分析库：Pandas与NumPy实战

shejizuopin的博客

04-03

907

在数据分析领域，Python凭借其强大的生态系统和丰富的库资源，成为了众多数据科学家和分析师的首选语言。其中，Pandas和NumPy是两个最为核心且广泛使用的数据分析库。Pandas提供了高效的数据结构和数据处理工具，而NumPy则专注于数值计算，为Pandas提供了底层支持。本文将结合CSDN网站上的相关讨论，提取最实用的解决技巧，通过代码示例和表格分析，深入探讨Pandas与NumPy在数据分析中的实战应用。

python3.8库-pip-20.2.2、pandas、numpy

08-26

在提供的标题和描述中，我们关注到了三个关键的库：pip、pandas 和 numpy。这些库在 Python 数据处理和科学计算领域起着至关重要的作用。 **pip**： pip 是 Python 的包管理器，用于安装和管理软件包，比如从 ...

利用Pandas和Numpy按时间戳将数据以Groupby方式分组

09-19

### 使用Pandas和Numpy按时间戳将数据以Groupby方式分组 #### 知识点概述在本文中，我们将详细介绍如何使用Python中的Pandas和Numpy库按时间戳将数据以`Groupby`的方式分组。这种方法特别适用于数据分析场景，...

Python数据分析（Pandas Numpy等）

01-26

Python数据分析参考书 Wes McKinney著中文版带标签目录

numpy_pandas总结

BigDong的博客

12-19

393

Numpy Numpy的ndarray 多维数组对象 1>>np.zeros(10) out: array([0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]) 2>>np.zeros((3,6)) Out: array([[0., 0., 0., 0., 0., 0.], [0., 0., 0., 0., 0., 0....

pandas numpy常用函数

qq_33819591的博客

09-19

1231

python pandas numpy

常用numpy，pandas总结

weixin_61907621的博客

01-28

216

pandas

pandas中使用numpy

weixin_49487589的博客

03-30

727

81.导入并查看pandas与numpy版本 import pandas as pd import numpy as np print(np.__version__) print(pd.__version__) 82.从NumPy数组创建DataFrame #随机数 temp_1 = np.random.randint(1,100,20) df1 = pd.DataFrame(temp_1) df1 83.从NumPy数组创建DataFrame #固定步长数 temp_2 = np.arange(0

numpy pandas 数据处理操作总结

南阁风起的博客

02-07

3139

打开文件 a = pd.read_csv('a.txt', header = None, sep = '[_\t]+') header控制文件中是否包含列名，sep控制划分方式，可使用正则表达式文件合并 c = pd.concat([a,b]) 列相同的两个文件纵向连接文件排序 a = a.sort_values(['col1','col2']) 先根据列’col1’的值进行...

numpy&pandas函数总结

mosterRan的博客

05-22

392

导入numpy 属性： ndarray 多维数组属性如下 itermsize 每个项占用多少个字节 dtype 多维数组是整体什么类型 size 多维数组有多少项 shape 多维数组的形状几行几列 ndim 数组的维数 nbytes 数组中所有数据消耗的字节数方法： np.array([0,1,2,3]) 创建一个数组 []或() np.arange(5) 从0开始5个数字当做数...

numpy和pandas的一些函数和方法

我心自在天的博客

07-29

372

numpy和pandas的一些函数和方法导入库： import numpy as np import pandas as pd 1. 读取csv或xlsx数据，生成DataFrame数据格式代码： f = open(r'data/example_data_1/stormofswords.csv') df = pd.read_csv(f) 2. np.union1d求数组并集，返回一个list格式数据代码： test = np.union1d([-1, 0, 1], [-2, 0, 2])

pandas和numpy

12-11

Pandas和NumPy是Python中两个非常流行的数据处理和分析库，它们在数据科学和机器学习领域有着广泛的应用。 ### Pandas Pandas是一个强大的数据分析工具，主要用于数据操作和分析。它提供了高效的数据结构，如Series（一维）和DataFrame（二维），使得处理结构化数据变得非常方便。Pandas的主要特点包括： 1. **数据读取和写入**：支持多种数据格式的读取和写入，如CSV、Excel、SQL数据库等。 2. **数据清洗**：提供了丰富的数据清洗功能，如处理缺失值、重复数据、数据类型转换等。 3. **数据操作**：支持数据的切片、过滤、聚合、合并等操作。 4. **时间序列处理**：提供了强大的时间序列处理功能。 ### NumPy NumPy是Python中科学计算的基础库，主要用于处理大型多维数组和矩阵。NumPy的核心对象是ndarray（n维数组），它提供了高效的数组运算功能。NumPy的主要特点包括： 1. **高效的数组运算**：提供了丰富的数学函数，支持向量化操作，极大地提高了计算效率。 2. **多维数组**：支持创建和操作多维数组，方便进行复杂的数学运算。 3. **线性代数**：提供了线性代数相关的函数，如矩阵乘法、矩阵求逆等。 4. **随机数生成**：提供了生成随机数的函数，方便进行随机抽样和模拟。 ### 区别与联系 - **数据处理**：Pandas更侧重于数据的处理和分析，而NumPy更侧重于数值计算。 - **数据结构**：Pandas的核心数据结构是DataFrame和Series，而NumPy的核心数据结构是ndarray。 - **应用场景**：Pandas适用于数据清洗、分析和预处理，而NumPy适用于需要进行大量数值计算的场景。 ### 示例代码 ```python import pandas as pd import numpy as np # 使用NumPy创建一个二维数组 array = np.array([[1, 2, 3], [4, 5, 6]]) print("NumPy数组：") print(array) # 使用Pandas创建一个DataFrame df = pd.DataFrame({ 'A': [1, 4], 'B': [2, 5], 'C': [3, 6] }) print("\nPandas DataFrame：") print(df) ``` 通过上述示例，可以看到NumPy和Pandas在数据处理和计算方面的不同应用。