数据分析
文章平均质量分 81
flandre翠花
网络工程专业的一枚小学生
展开
-
python图片灰度化处理
今天在学习的时候,发现scipy.misc中的imread提取图片的方法被弃用了。太生气了!只好使用了matplotlib.pyplot中的imread了,可是当我发现他不能直接通过True来提取灰度图片时,我崩溃了上网查了一下,了解了灰度化处理的几种方法:首先先解释一下,彩色图片一般是由RGB组成,其实就是3个二维数组叠加而成。我们也就能看到一些彩色图片了。当R=G=B时,彩色图片就会变成一种灰度颜色,就是我们俗称的“黑白照片”。所以灰度颜色的图片其实就是一个二维数组。灰度化处理总共有三种方法原创 2021-06-20 15:40:06 · 5064 阅读 · 6 评论 -
python数据分析项目实战—————链家北京租房数据统计分析
链家北京租房数据分析本次的项目也不算是什么实战项目,仅仅是我们数据分析的实验作业而已,感兴趣的同学可以下载这个数据去练练手原数据就在这里:链家北京租房数据提取码:6ij0原创 2021-02-16 22:44:43 · 12443 阅读 · 28 评论 -
python数据分析————matplotlib常见图表的绘制
常见图表由上一篇博客我们可以大致了解,常见的图表分为以下几种:折线图:以折线方式反应数据变化趋势直方图:利用方块大小反应数据差异条形图:显示各个项目之间的比较情况,和直方图有类似的作用饼图:显示各数据的百分比情况散点图:显示若干数据系列中各数值之间的关系箱型图:用来显示一组数据分散情况的统计图,在识别异常值方面有一定的优越性折线图饼图直方图散点图箱型图...原创 2021-02-12 23:12:04 · 463 阅读 · 0 评论 -
python数据分析————matplotlib数据可视化
matplotlib原创 2021-02-12 15:14:56 · 733 阅读 · 0 评论 -
python数据分析————数据聚合与分组运算
数据分组通过Series对象进行分组通过列明进行分组分组对象其他分组方式数据聚合使用内置统计方法聚合面向列的聚合多函数聚合分组运算数据转换transform数据应用apply示例分组加权平均分组填充缺失值分组随机抽样...原创 2021-01-31 10:09:48 · 1074 阅读 · 1 评论 -
python数据分析————数据转换、合并、重塑
数据转换重命名轴索引dframe = pd.DataFrame({'证券代码':[609, 993, 2615, 795, 2766, 971, 633, 300173, 300279, 831], '证券简称':['中迪投资','闽东电力','哈尔斯','英洛华','索菱股份','高升控股','合金投资','智慧松德','和晶科技','五矿稀土'], 'value':[4.80,4.80,5.02,3.93,6原创 2021-01-28 14:53:55 · 442 阅读 · 0 评论 -
python数据分析————数据清洗
数据清洗处理缺失值处理重复值处理异常值更改数据类型数据转换更改数据类型离散化和分箱虚拟变量数据合并主键合并数据索引合并轴向堆叠数据联合重叠数据数据重塑层次化索引重塑层次化索引轴向旋转...原创 2021-01-28 14:12:26 · 954 阅读 · 0 评论 -
python数据分析————pandas库的数据结构Series和DataFrame的基本使用
pandas专为解决数据分析任务的Python库\color{red}{专为解决数据分析任务的Python库}专为解决数据分析任务的Python库提供高性能数据类型和分析工具基于NumPy实现NumPy基础数据类型关注数据的结构表达维度:数据间关系Pandas扩展数据类型关注数据的应用表达数据与索引间关系导入库import pandas as pdpandas库有两个数据类型:Series,DataFrameSeriesSeries类型是由一组数据及与原创 2021-01-11 12:40:30 · 726 阅读 · 2 评论 -
python数据分析————numpy的(随机数,统计)函数
随机数函数np.random.randint()>>> b= np.random.randint(100,200,(3,4)) #生成100-200之间随机数的3行4列数组>>> barray([[134, 183, 138, 181], [132, 107, 194, 159], [154, 170, 130, 177]])np.random.seed(s)>>> np.random.randint(原创 2020-12-14 21:24:32 · 541 阅读 · 0 评论 -
python数据分析————数组的索引与切片
数据索引和切片一维数组索引和切片与python的列表类似>>> a=np.arange(10)>>> aarray([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])>>> a[::-1] 翻转数组array([9, 8, 7, 6, 5, 4, 3, 2, 1, 0])>>> a[2:10:2] start:end:steparray([2, 4, 6, 8])>>> b=原创 2020-10-17 19:23:20 · 600 阅读 · 1 评论 -
python数据分析————数组转换和运算
数组转换维度变换reshape(shape)>>> a=np.ones((2,3,4))>>> a.reshape((3,8)) 不改变元素,返回一个shape形状的数组,原数组不变array([[1., 1., 1., 1., 1., 1., 1., 1.], [1., 1., 1., 1., 1., 1., 1., 1.], [1., 1., 1., 1., 1., 1., 1., 1.]])>>> a原创 2020-10-17 19:01:34 · 695 阅读 · 0 评论 -
python数据分析————NumPy多维数组对象ndarray
numpy原创 2020-10-17 17:40:25 · 227 阅读 · 0 评论 -
python数据分析————pandas的基本功能
pandas原创 2021-01-25 11:04:47 · 399 阅读 · 1 评论