![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
pandas
liuhehe123
这个作者很懒,什么都没留下…
展开
-
Pandas:1.创建、读和写操作
一、创建DataFrame1、创建表格DataFramefruits = pd.DataFrame([[30, 21]], columns=['Apples', 'Bananas'])效果: 2、再建一个不一样的DataFramefruit_sales = pd.Dat...原创 2019-01-04 15:14:00 · 323 阅读 · 0 评论 -
pandas二、索引、选择以及赋值
首先是检查是否数据import pandas as pdreviews = pd.read_csv("winemag-data-130k-v2.csv", index_col=0)reviews.head() country description designation points price province region_1 ...原创 2019-01-04 16:31:36 · 4012 阅读 · 0 评论 -
pandas三、函数操作、maps处理数据
本节讲述 如何调整数据成我们想要的样子1、求某一列数据的均值import pandas as pdpd.set_option("display.max_rows", 5)reviews = pd.read_csv("winemag-data-130k-v2.csv", index_col=0)median_points = reviews.points.median()# 8...原创 2019-01-04 18:13:16 · 593 阅读 · 0 评论 -
Pandas四、Grouping(分组)和Sorting(排序)
读入要测试的文件。import pandas as pdreviews = pd.read_csv("winemag-data-130k-v2.csv", index_col=0)reviews.head()查看部分数据:1、找出数据集中最常见的。统计每个分组中指定列的数量。创建一个序列(Series),他的索引是数据集中的“taster_twitter_handle”...原创 2019-01-06 13:49:51 · 6427 阅读 · 0 评论 -
Pandas五、数据类型和丢失值初窥
读入数据:import pandas as pdreviews = pd.read_csv("winemag-data-130k-v2.csv", index_col=0)1、查看数据集中评分列的数据类型dtype = reviews.points.dtypedtype'''dtype('int64')'''2、创建一个Series,其数据来自评分(points)中...原创 2019-01-06 14:45:45 · 412 阅读 · 3 评论 -
Pandas六、重命名和联合
读入数据import pandas as pdreviews = pd.read_csv("../input/wine-reviews/winemag-data-130k-v2.csv", index_col=0)1、有些列是名字需要我们重新命名,创建一个副本,将region_1列改名region,将region_2列改名locale。# 第一种 相当于把元组转成字典# re...原创 2019-01-06 15:40:25 · 479 阅读 · 3 评论 -
Matplotlib基本画图之子图
# 子图操作相关函数plt.figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True, FigureClass=<class 'matplotlib.figure.Figure'>, **kwargs)plt.subplots(nrows=1, ncols=1, sh...原创 2019-06-03 10:39:11 · 963 阅读 · 0 评论 -
Matplotlib画图之基本图表绘制
1、Series 与 DataFrame绘图首先来讲讲Series绘图, 即 我们使用 ts = pd.Series(...) 直接调用ts.plot进行画图plt.plot(kind='line', ax=None, figsize=None, use_index=True, title=None, grid=None, legend=False, style=None, log...原创 2019-06-03 15:36:52 · 1218 阅读 · 0 评论 -
pandas.cut的一些问题总结
今天偶然用到pandas的cut方法,相当好用,不过也有问题要解决,主要看一些容易困惑的地方。pandas.cut :有什么用? 当我们想要切分数据,或者对数据进行划分,也就是把一组数据分散成离散的间隔,那就要用到 cut 了。cut(x, bins, right=True, labels=None, retbins=False, precision=3, i...原创 2019-06-04 17:04:29 · 2315 阅读 · 0 评论