I_am_WK的博客

一、端午节的淘宝粽子交易问题 :(1) 请删除最后一列为缺失值的行，并求所有在杭州发货的商品单价均值。import pandas as pd# import numpy as npdf = pd.read_csv('PandasTest\端午粽子数据.csv')df.drop(df[df['发货地址 '].isna()].index, inplace = True)print(df[df['发货地址 '].isna()].index)(2) 商品标题带有“嘉兴”但发货地却不在嘉兴的商品有多

主要内容：时序数据，我的理解就是直接以时间为索引的序列，同时对时间信息有多种方法来实现对数据的灵活操作。时间序列的创建有多种方式，可以用to_datetime方法和date_range方法来实现。时间序列支持索引和切片操作rng = pd.date_range('2020','2021', freq='W')ts = pd.Series(np.random.randn(len(rng)), index=rng)ts['2020-01-26']# 混合形态的索引ts['2020-01-26':'

Pandas数据分析学习打卡（三）：Category分类数据主要内容：对于分类数据，我的理解是，实际中会存在一类数据，它的类别是固定的，只有几种或者分为几个档次，然后pandas中的分类数据就是为此而存在。它的创建有好几种方法，可以pandas对象的创建中将dtype指定为“category”，也可以利用内置Categorical类型创建，或者利用cut函数创建：pd.Series(["a", "b", "c", "a"], dtype="category")cat = pd.Categorica

Pandas数据分析学习打卡（一）：String文本数据这是Pandas数据分析学习的第二个内容——String文本数据对它的处理主要是以下几种：1.类型转换astype()，输入是代表不同类型的关键字，比如’str’、‘string’…2.拆分str.split()与拼接str.cat()，前者主要根据某一字符进行分割，返回分割后的多个字符；后者可以实现将单个Series的多个字符串元素拼接、将两个Series的对应索引的元素进行合并、将多个列对应索引进行拼接，功能很丰富。3.替换str.rep

Pandas数据分析学习打卡（一）：Nullable缺失数据Pandas第一天的学习内容是关于缺失数据，下面是一些个人认为比较重要的内容：1.首先就是判定是否为缺失类型的isna（）和notna（）方法，返回的是布尔类型，可以直接对DataFrame对象使用。可以通过这个方法直接查看df中有缺失值的行：df[df['需要查看的列'].isna()]2.三种缺失符号代表缺失值，分别是numpy.nan（不等于任何值，甚至不等于自己）、None（可以等于自身）、NaT（可以看作针对时间序列的numpy