![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
学习笔记
文章平均质量分 55
krisjin99
这个作者很懒,什么都没留下…
展开
-
Python数据分析学习笔记-pandas库学习8
时间处理time当前时间显示import timea=time.time() #当前时间戳,浮点数b=time.localtime(int(a))c=time.strftime('%Y-%m-%d %H:%M:%S',b)print(a,'\n',b,'\n',c)1641284471.598204time.struct_time(tm_year=2022, tm_mon=1, tm_mday=4, tm_hour=16, tm_min=21, tm_sec=11, tm_wday=原创 2022-01-05 17:02:01 · 489 阅读 · 0 评论 -
Python数据分析学习笔记-pandas库学习7
聚合和分组一维分组table3=pd.read_excel('./datatest.xlsx')typegroup=table3.groupby('类别')print(typegroup)<pandas.core.groupby.generic.DataFrameGroupBy object at 0x000002CDC5B01DF0>#groupby对象是什么for name, data in typegroup: print(name) print(dat原创 2022-01-04 16:15:58 · 992 阅读 · 0 评论 -
Python数据分析学习笔记-pandas库学习6
联表合并:merge内连接import pandas as pdimport numpy as npdff1=pd.DataFrame({'stu_no':['01','02','01','03','02','04','03','04'], 'score':np.random.randint(60,100,size=8)})dff2=pd.DataFrame({'stu_no':['01','02','03','05'], '原创 2021-12-29 16:30:37 · 913 阅读 · 0 评论 -
Python数据分析学习笔记-pandas库学习5
数据处理排序:sort排序不改变原表队列排序索引排序:sort_index值排序:sort_valuesimport pandas as pdst=pd.Series(list('CAD'),index=[3,1,2])print(st)st1=st.sort_index()print(st1)st2=st.sort_values()print(st2)倒叙st1=st.sort_index(ascending=False)print(st1)st2=st.sort原创 2021-12-28 17:05:12 · 470 阅读 · 0 评论 -
Python数据分析学习笔记-pandas库学习4
行列转置原表:.T方法不会直接改变原表lis6=lis5.Tprint(lis6)pandas数据的导入导入txt: read_table尽量使用相对路径table1=pd.read_table('./testfile.txt',)print(table1)单列表格结果:多列表格结果:txt文件中每列用tab隔开,pandas自动分列非tab分割处理原数据:01:Brett:14:155:viloin02:Eddy:13:156:piano03:J原创 2021-12-23 17:05:32 · 435 阅读 · 0 评论 -
Python数据分析学习笔记-pandas库学习3
使用比较运算符进行数据筛选lis5数据表:判断age列>=15res=lis5['age'] >=15print(res)A TrueB TrueC FalseName: age, dtype: boolAB两列满足条件取出age列>=15的每行数据lis6=lis5[lis5['age']>=15]print(lis6)所条件筛选&lis6=lis5[(lis5['age']>=15) & (l原创 2021-12-15 16:37:54 · 780 阅读 · 0 评论 -
Python数据分析学习笔记-pandas库学习2
标题 Python数据分析学习笔记-pandas库学习2DataFrame1 生成DataFrameimport pandas as pdimport numpy as npdata = np.arange(100,109).reshape(3,-1)df1 = pd.DataFrame(data)print(df1)第一列012理解为列明,第一列012理解为索引自定义datadata1 = { 'name':['Brett','Eddy','Kris'], 'a原创 2021-11-11 17:50:12 · 477 阅读 · 0 评论 -
Python数据分析学习笔记-pandas库学习1
pandas相比numpy更偏业务呈现,类似一个内存型的数据库,可以存储如numpy类型的数据1 初始化列原创 2021-10-21 17:35:12 · 56 阅读 · 0 评论 -
Python数据分析学习笔记-numpy库学习3
numpy库学习1 矩阵的合并p6 = [[0 2 4][5 7 9]]p3=[[0 1 2][5 6 7]]按列合并行,列数需相等c=np.concatenate([p6,p3],axis=0) #axis=0行合并print(c)[[0 2 4][5 7 9][0 1 2][5 6 7]]按行合并列,行数必须相等d=np.concatenate([p3,p6],axis=1) #axis=1列合并print(d)[[0 1 2 0 2 4][5 6 7 5原创 2021-10-19 15:28:54 · 67 阅读 · 0 评论 -
Python数据分析学习笔记-numpy库学习2
numpy库1 reshape用于修改维度已有一个一维矩阵nparr=[0 1 2 3 4 5 6 7 8 9],将其转换为2行5列的二维矩阵arr9 = nparr.reshape(2,5)print(arr9)[[0 1 2 3 4][5 6 7 8 9]]或转换为两行均等元素的矩阵arr9 = nparr.reshape(2,-1)多层连用x = np.arange(15).reshape(-1,5)print(x)[[ 0 1 2 3 4][ 5 6原创 2021-10-18 17:57:47 · 59 阅读 · 0 评论 -
Python数据分析学习笔记-numpy库学习1
numpy库1 ndarray:N维矩阵相对于列表的优势和作用:1、方便处理多维数组或矩阵之前的运算2、处理多维数组或矩阵时,运算效率高import numpy as npnparr = np.array(list(range(10)))#nparr为整形一维数组矩阵arr2 = np.array([1,2,3.4])#列表中有浮点数,则arr2为浮点型一维矩阵arr3 = np.array([1,2,3],dtype=float)#arr3强制指向浮点型2 arange类似原创 2021-10-13 16:54:13 · 73 阅读 · 0 评论