W_weiying的博客

concatenate((a1,a2,...),axis=0)实现numpy中数据多个数组（a1,a2,...）的拼接，axis=0沿着垂直方向，axis=1沿着水平方向。In [245] a=np.array([[1, 2, 4, 5]]) b=np.array([[3, 4, 6, 7]]) print('Horizontal \...

vstack与hstack函数Numpy中用来拼接数组的基础函数。vstack( vertical stack)：将多个数组沿竖直方向拼接 hstack( horizontal stack)：将多个数组沿水平方向拼接In [137] a=np.array([[1, 2, 4, 5],[1, 2, 4, 5]]) b=np.array([[3, 4, 6,...

突然心血来潮，可能也是好久没更新博客了吧，回忆以前刚开始使用Jupyter的时候，也是一头雾水。今天跟一些刚开始用的朋友们分享一个很简单，但也很实用的技巧 "指定位置打开Jupyter Notebook"。建议安装 Anconda, 里面集成了 Jupyter Notebook.举例：一个excel文件在D盘中，路径：D:\python code\JupyterCode\test.xl...

1.常规创建字典In [1]: dict1 = {'a':1, 'b':2, 'c':3}In [2]: print(dict1)Out[2]: {'a': 1, 'b': 2, 'c': 3}2. 利用zip函数和 dict函数创建字典In [3]: list1 = ['a', 'b', 'c']; list2 = [1, 2, 3]; dict1 = dict(zip(l...

题目：Two Sum Given nums = [2, 7, 11, 15], target = 9, Because nums[0] + nums[1] = 2 + 7 = 9, return [0, 1].第一步：用 zip 函数做一个字典，将nums中数字与index联系起来：In [33]: dictionary = dict(zip(nums, li...

利用Set函数函数（set() 函数创建一个无序不重复元素集，可进行关系测试，删除重复数据，还可以计算交集、差集、并集等）In [1]: test=[1,2,3,4,2,3]In [2]: set(test)Out [2]: {1, 2, 3, 4}In [3]: list(set(test))Out [3]: [1, 2, 3, 4] ...

第一步：读取文本，open函数第二步：处理文本，split函数第三步：利用Numpy, pandasimport pandas as pdimport numpy as np#打开txt文件file_object=open("D:/test.txt")try: file_content=file_object.read()finally: file_obje...

直接上代码import pandas as pd#读取两个表格data1=pd.read_excel('文件路径')data2=pd.read_excel('文件路径')#将两个表格输出到一个excel文件里面writer=pd.ExcelWriter('D:新表.xlsx')data1.to_excel(writer,sheet_name='sheet1')data2.t...

对应的数据集为：<?xml version="1.0"?>-<opencv_storage> -<vocabulary type_id="opencv-matrix"> <rows>424</rows> <cols>512</cols> &

废话不多说，直接上代码import numpy as npimport pandas as pd#创建数据框datadata=pd.DataFrame(np.arange(16).reshape(4,4),index=list('ABCD'),columns=list('EFGH'))''' E F G HA 0 1 2 3B 4 5 ...

当我们利用python进行数据清理和筛选时，有时候一串数据的噪点很多，我们需要抽取一部分数据作为样本来进行分析，下面推荐一种基本的数据筛选方法，利用置信区间，例：样本满足正态分布。置信区间：当给出某个估计值的95%置信区间为 [a, b] 时，可以理解为有95%的信心可以说说样本的平均值介于a到b之间，而发生错误的概率为5%。计算方式：第一步：计算样本均值 第二步：计算样本标准差：...

重复值处理：把数据结构中，行相同得数据只保留一行函数用法：drop_duplicates()from pandas import read_csv;df = read_csv('E://pythonlearning//datacode//firstpart//4//4.3//data.csv')newDF = df.drop_duplicates();运行代码前两行得到:再运行代码第三行得...

缺失值处理函数dropna：去除数据结构中值为空得数据。函数用法：dropna()from pandas import read_csv;df = read_csv('E://pythonlearning//datacode//firstpart//4//4.4//data.csv');newDF = df.dropna();运行代码前两行得到:再运行代码第三行得到:...

字段抽取：根据已知数据的开始和结束为止，抽取出新的列函数用法：slice(start,stop)from pandas import read_csv;df = read_csv("E://pythonlearning//datacode//firstpart//4//4.6//data.csv");df['tel'] = df['tel'].astype(str);#这个函数是把它变成字...

字段拆分：是指按照固定的字符，拆分已有字符串函数用法：split(sep,n,expand=false)sep表示用于分割的字符；n表格分割成多少列；expand表示是否展开为数据款，True输出Series，False输出Dataframe。from pandas import Series;from pandas import DataFrame;from pandas import re...

空格值处理：清除字符型数据左右的空格函数用法：strip()from pandas import read_csv;df = read_csv('E://pythonlearning//datacode//firstpart//4//4.5//data.csv')newName = df['name'].str.strip();df['name'] = newName;运行代码前两行得...

 Python数据分析博文汇总Pandas重复值处理函数drop_duplicates() Pandas数据库缺失值处理函数dropna Pandas中slice函数字段抽取 python数据分析-DataFrame数据框基本知识 Pandas数据库数据抽取 Numpy.random.randint()函数用法及源码 Pandas.concat()函数用法及源码 Pandas...

记录抽取：是指根据一定的条件，对数据进行抽取函数用法：dataframe[condition]import pandas;from pandas import read_csv;df = read_csv("E://pythonlearning//datacode//firstpart//4//4.8//data.csv", sep="|");df[df.comments>1000...

记录合并：是指将两个结构相同的数据框，合并成一个数据框函数用法：concat([dataFrame1, dataFrame2, ...])import pandas;from pandas import read_csv;df1 = read_csv("E://pythonlearning//datacode//firstpart//4//4.10//data1.csv", sep="|")...

字段合并：将同一个数据框中的不同列，进行合并，形成新的列。函数用法：column=column1+column2+...from pandas import read_csv;import pandas as pddf= read_csv( "E://pythonlearning//datacode//firstpart//4//4.11//data.csv", sep="...

字段匹配：将不同结构的数据框，按照一定的条件进行合并函数用法：merge(df1, df2, column of df1, column of df2)import pandas;from pandas import read_csv;items = read_csv( "E:\\pythonlearning\\datacode\\firstpart\\4\\4.12\\data1....

数据框的简单计算：直接对字段进行加减乘除运算：from pandas import read_csv;import pandas as pd;df = read_csv("E:\\pythonlearning\\datacode\\firstpart\\4\\4.13\\data.csv", sep="|");result = df.price*df.num#乘积result1 = d...

数据标准化：将数据按比例缩放，使之落入到特定区间，一般我们使用0-1标准化。公式：X=(x-min)/(max-min)from pandas import read_csv;df = read_csv("E:\\pythonlearning\\datacode\\firstpart\\4\\4.14\\data.csv");scale = (df.score-df.score.min()...

isin函数  （请点击链接：isin函数提取和删除Dataframe指定行列）更多原创PYTHON数据分析博文，请关注博文专栏（超链接：PYTHON数据分析） 本文介绍主要结介绍用Drop函数删除Dataframe指定行列：drop(labels=None, axis=0, index=None, columns=None,             level=None, in...

数据分组：根据数据分析对象的特征，按照一定的数值指标，把数据分析对象划分为不同的区间部分来进行研究，以揭示其内在的联系和规律性。函数用法：cut(series, bins, right=True, labels=NULL), right=True表示分组右边闭合，right=False表示分组左边闭合，labels表示分组的自定义标签。import pandas;from pandas impo...

本文介绍主要结介绍用isin函数提取和删除Dataframe指定行列：isin函数（条件前加~表示isin函数的逆函数）1. 返回含有具体条件的dataframe, 如返回 'A'列中含有 [4,8] 的dataframe( 用逆函数对筛选后的结果取余，起删除指定行作用 )IN [1]: dataOut[1]: A B C D0 0 1 2 31 ...

随机抽样：随机从数据中，按照一定的行数或者比例抽取数据函数用法：numpy.random.randint(start, end, num)import numpy;from pandas import read_csv;import pandas as pddf = read_csv("E://pythonlearning//datacode//firstpart//4//4.9//data...

random.choice( list or array) 函数: 在list 或者 array中取一个数。In [1]: np.random.choice([1,2,3,4,5]) #随机选一个数字Out [1]: 2In [2]: np.random.choice([1,2,3,4,5]) #随机选一个数字Out [2]: 4In [3]: np.random.choi...

本文详细介绍numpy中reshape函数的三种常见相关用法。一般用法：numpy.arange(n).reshape(a, b); 依次生成n个自然数，并且以a行b列的数组形式显示:In [1]: np.arange(16).reshape(2,8) #生成16个自然数，以2行8列的形式显示Out[1]: array([[ 0, 1, 2, 3, 4, 5, 6, ...