数据分析
挽歌亽朽年
平生不做皱眉事,世上应无切齿人!
展开
-
轴向堆叠数据
轴向堆叠数据concat()函数可以沿着一条轴将多个对象进行堆叠,其使用方式类似数据库中的数据表合并根据轴的方向的不同,可以将堆叠分成横向堆叠与纵向堆叠,默认采用的是纵向堆叠方式在堆叠数据时,默认采用的是外连接(join参数设为outer)的方式进行合并,当然也可以通过join=inner设置为内连接的方式当使用concat()函数合并时,若是将axis参数的值设为1,且join参数...原创 2020-04-19 12:29:12 · 1221 阅读 · 0 评论 -
读写Excel文件
Excel文件也是比较常见的存储数据的文件,它里面均是以二维表格的形式显示的,可以对数据进行统计、分析等操作。Excel的文件扩展名有 .xls 和 .xlsx 两种。to_excel()方法的功能是将DataFrame对象写入到Excel工作表中read_excel()函数的作用是将Excel中的数据读取出来,转换成DataFrame展示例子 :...原创 2020-04-01 11:08:32 · 195 阅读 · 0 评论 -
读写文本文件
读写文本文件 : 文本文件 Excel文件 HTML文件 数据库CSV文件是一种纯文本文件,可以使用任何文本编辑器进行编辑,它支持追加模式,节省内存开销to_csv()方法的功能是将数据写入到CSV文件中to_csv(path_or_buf=None,sep=’,’,na_rep=’’,float_format=None,columns=None,header=True,inde...原创 2020-03-29 21:12:37 · 289 阅读 · 0 评论 -
numpy部分(三)
NumPy通用函数通用函数(ufunc)是一种针对ndarray中的数据执行元素级运算的函数,函数返回的是一个新的数组将ufunc中接收一个数组参数的函数称为一元通用函数,接收两个数组参数的则称为二元通用函数常见的一元通用函数如 :常见的二元通用函数如 :将条件逻辑转化为数组运算NumPy的where()函数是三元素表达式x if condition else y的矢量化版本数...原创 2020-03-12 19:24:13 · 733 阅读 · 0 评论 -
索引和切片的基本使用
整数索引和切片的基本使用arr = np.arange(8)#获取索引为5的元素arr[5]————>5#获取索引为3-5的元素,但不包括5arr[3:5]————>array([3,4])二维数组的索引方式在二维数组中,每个索引位置上的元素不再是一个标量了,而是一个一维数组arr = np.array([[1,2,3],[4,5,6],[7,8,9]])#获取索引...原创 2020-03-11 21:33:47 · 1190 阅读 · 0 评论 -
numpy的函数应用
1.numpy的基本操作函数1)astype(dtype):对数组元素进行数据类型的转换定义一维数组 a = [1,2,3,4]并将其元素转换为float类型a = np.array([1,2,3,4])a.dtypeOut[6]:dtype(‘int32’)b = a.astype(np.float)b.dtypeOut[7]:dtype(‘float64’)a.dtype...原创 2020-03-05 17:01:55 · 492 阅读 · 0 评论 -
创建数组及数组的基本操作
numpy数组NumPy中最重要的一个特点就是其N维数组对象,既ndarray(别名array)对象,该对象可以执行一些科学计算Ndarray对象中定义了一些重要的元素创建NumPy数组查看数组的信息查看数组的维度个数 : a.ndim查看数组的维度 : a.shape查看数组的数据类型 : a.dtype查看数组的元素个数 : a.size查看数组的数据类...原创 2020-02-24 21:36:26 · 403 阅读 · 0 评论 -
数据分析概括
数据分析数据分析是使用适当的统计分析方法对收集来的大量数据进行分析,从中提取有用信息和形式结论,并加以详细研究和概括总结的过程数据分析的目的在于,将隐藏在一大批看似杂乱无章的数据信息集中提炼出来有用的数据,以找出研究对象的内在规律在统计学领域中,数据分析可以划分为如下三类:描述性数据分析:从一组数据中,可以摘要并且描述这份数据的集中和离散情形探索性数据分析:从海量数据中找出规律,并产生分...原创 2020-02-22 21:31:07 · 1499 阅读 · 0 评论 -
jupyter的基本用法
jupyter的代码界面及操作魔法指令原创 2020-02-20 12:28:16 · 388 阅读 · 0 评论