ZOIIIIION的博客

1. 求根:x= a²+ bx - a²= b#((根号x)² = x)(根号x +a)(根号x - a) = b(根号x - a) = b/(根号x + a)(根号x) = a +b/(根号x + a) #(根号x) 无限迭代

#了解Python ##准备工作环境 python安装 库安装 numpy Pandas matplotlib Scipy import numpy as npimport pandas as pdimport seaborn as snsimport matplotlib.pyplot as plt 学习py.

NumPy基础：数组和矢量计算NumPy的部分功能如下：ndarray，一个具有矢量算术运算和复杂广播能力的多维数组。 用于对整组数据进行快速运算的标准数学函数（无需编写循环）。魔法函数魔法函数使我们能够以简单的代码实现复杂功能%%timeit -n 50 多维数组ndarray的创建¶np.array(元组|列表) #把元组或列表转化为数组np.arange([开始数值,]结束数值[,步长]) #获取开始到结束的步长序列np.linsp...

#显示所有列pd.set_option('display.max_columns', None)#显示所有行pd.set_option('display.max_rows', None)#设置value的显示长度为100，默认为50pd.set_option('max_colwidth',100)import pandas as pdpath = 'df.csv'# 读数据df = pd.read_csv(path, sep=',', usecols=[0, 2, 4])# 排.

描述统计学（descriptive statistics）是一门统计学领域的学科，主要研究如何取得反映客观现象的数据，并以图表形式对所搜集的数据进行处理和显示，最终对数据的规律、特征做出综合性的描述分析。Pandas 库正是对描述统计学知识完美应用的体现，可以说如果没有“描述统计学”作为理论基奠，那么 Pandas 是否存在犹未可知。下列表格对 Pandas 常用的统计学函数做了简单的总结：函数名称 描述说明 count() 统计某个非空值的数量。 sum() 求和 ...

认识DataFrame结构DataFrame 一个表格型的数据结构，既有行标签（index），又有列标签（columns），它也被称异构数据表，所谓异构，指的是表格中每列的数据类型可以不同，比如可以是字符串、整型或者浮点型等。其结构图示意图，如下所示：DataFrame 的每一行数据都可以看成一个 Series 结构，只不过，DataFrame 为这些行中每个数据值增加了一个列标签。因此 DataFrame 其实是从 Series 的基础上演变而来。在数据分析任务中 DataFrame 的应

Series 结构，也称 Series 序列，是 Pandas 常用的数据结构之一，它是一种类似于一维数组的结构，由一组数据值（value）和一组标签组成，其中标签与数据值之间是一一对应的关系。Series 可以保存任何数据类型，比如整数、字符串、浮点数、Python 对象等，它的标签默认为整数，从 0 开始依次递增。创建Series对象pd.Series( data, index, dtype, copy)参数名称 描述 data 输入的数据，可以是列表、常量、ndarray

Pandas 是一个开源的第三方 Python 库，从 Numpy 和 Matplotlib 的基础上构建而来，享有数据分析“三剑客之一”的盛名（NumPy、Matplotlib、Pandas）。Pandas 已经成为 Python 数据分析的必备高级工具，它的目标是成为强大、灵活、可以支持任何编程语言的数据分析工具。Pandas 这个名字来源于面板数据（Panel Data）与数据分析（data analysis）这两个名词的组合。在经济学中，Panel Data 是一个关于多维数据集的术语。Pa.

Pandas 提供的 merge() 函数能够进行高效的合并操作，这与 SQL 关系型数据库的 MERGE 用法非常相似。从字面意思上不难理解，merge 翻译为“合并”，指的是将两个 DataFrame 数据表按照指定的规则进行连接，最后拼接成一个新的 DataFrame 数据表。 merge() 函数的法格式如下：pd.merge(left, right, how='inner', on=None, left_on=None, right_on=None,left_index=False, r

pd.read_excel ()人们经常用pandas处理表格型数据，时常需要读入excel表格数据，很多人一般都是直接这么用：pd.read_excel (“文件路径文件名”), 再多一点的设置可能是转义一下路径中的斜杠，一旦原始的excel表不是很规整，这样简单读入势必报错！.其实这个函数有很多参数可以设置，为了应对各式excel表满足各种读入的需求，我们来详细了解下pd.excel ()中的主要参数。首先，认识一下pd.read_excel（），函数的官方文档是这么说的：将E..

# 求 和 减 乘 除# 方法一 print('和：%s' % (int(input('第一个数：')) + int(input('第二个数：')))) print('和：%s' % (int(input('第一个数：')) - int(input('第二个数：')))) print('和：%s' % (int(input('第一个数：')) * int(input('第二个数：')))) print('和：%s' % (int(input('第一个数：')) / int(input('第二个数.

最简代码：​# 九九乘法表for i in range(1, 10): # 代表有（9）行 for j in range(1, i+1): # 代表（i+1）列 print(j, 'X', i, '=', i * j, end='\t') # 输出九九乘法表的规则 print() # 换行​...