![](https://img-blog.csdnimg.cn/20190927151053287.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
Python数据分析
numpy,pandas,matplotlib
lghpy01
互联网金融风控科学
展开
-
DataFrame(1):DataFrame的介绍及创建
DataFrame(1):DataFrame的介绍及创建原创 2022-02-13 23:02:21 · 911 阅读 · 0 评论 -
12、pandas 数据类型转换
1、 Pandas所支持的数据类型:floatintbooldatetime64[ns]datetime64[ns, tz]timedelta[ns]categoryobject默认的数据类型是int64,float64.2、转换数据类型的思路使用astype()方法强制转化dtype自定义一个数据转换函数函数使用pandas内置的tonumeric()和todatetime()导入数据时转换数据类型3、astype()函数df.astype(dtype, copy.原创 2022-02-13 22:16:03 · 11957 阅读 · 0 评论 -
11、pandas:value_counts() 统计函数详细介绍
1、value_counts() 统计数值value_counts() 某列值出现的次数1.1 基本语法DataFrame.value_counts(subset=None, normalize=False, sort=True, ascending=False, dropna=True)参数为:subset:原创 2022-01-27 15:46:28 · 3811 阅读 · 0 评论 -
10、pandas:排序sort_values、index_values
1、 sort_values() 对DataFrame某列或者多列的值进行排序DataFrame.sort_values(by, axis=0, ascending=True, inplace=False, kind='quicksort', na_position='last', # last,first;默认是last原创 2022-01-27 15:20:20 · 1777 阅读 · 0 评论 -
14、Pandas:query()函数
1、基本使用import pandas as pddf = pd.DataFrame( {'A': ['e', 'd', 'c', 'b', 'a'], 'B': ['f', 'b', 'c', 'd', 'e'], 'C': range(0, 10, 2), 'D': range(10, 0, -2), 'E.E': range(10, 5, -1)})我们现在选取 A列字母出现在B列 的所有行。先看两种常见写法>>> df[d原创 2022-01-20 20:26:27 · 2840 阅读 · 0 评论 -
numpy-01:numpy介绍及安装
numpy-01:numpy介绍及安装原创 2021-12-16 17:42:54 · 398 阅读 · 0 评论 -
numpy-02:numpy数据类型及属性
numpy-02:numpy数据类型及属性原创 2021-12-16 17:43:34 · 225 阅读 · 0 评论 -
numpy-03:创建numpy数组
numpy-03:创建numpy数组原创 2021-12-16 17:44:08 · 306 阅读 · 0 评论 -
numpy-04:切片和索引
numpy-04:切片和索引原创 2021-12-16 17:44:44 · 427 阅读 · 0 评论 -
numpy-05:数组操作
numpy-05:数组操作原创 2021-12-16 17:45:16 · 272 阅读 · 0 评论 -
numpy-06:numpy函数
numpy-07:numpy函数原创 2021-12-16 17:45:57 · 448 阅读 · 0 评论 -
DataFrame(1):DataFrame的基本属性和方法
一、DataFrame的基本属性和方法dataframe.shape 元组 返回dataframe形状dataframe.head(3) 新DataFrame 获取前三行,默认获取前五行dataframe.tail(3) 新DataFrame 获取后三行,默认获取后五行dataframe.index 获取indexdataframe.columns 获取columns, DataFrame的列索引列表dataframe.values 获取values 获取所有value原创 2021-11-19 11:11:15 · 5101 阅读 · 0 评论 -
DataFrame(2):基本运算
DataFrame(2):常见运算原创 2021-12-16 14:48:17 · 2081 阅读 · 0 评论 -
DataFrame(3):DataFrame列的操作
列#1、loc和ilocloc适用于索引中的标签。iloc在索引中的位置上起作用。##1.1 loc基于行标签和列标签(x_label、y_label)进行索引.loc先行后列,中间用逗号(,)分割,#取 a 和 A 对应的数据df.loc[‘a’,‘A’]#取前两行对应数据df.loc[‘a’:‘b’,:]#取前两列对应数据df.loc[:,‘A’:‘B’]#取前两行和前两列对应数据df.loc[‘a’:‘b’,‘A’:‘B’]#上面的例子取的都是连续的行和列,若取第一行和第四行、第一原创 2021-11-17 20:08:34 · 1910 阅读 · 0 评论 -
DataFrame(4):DataFrame行的操作
DataFrame(4):DataFrame行的操作原创 2021-12-16 14:52:41 · 459 阅读 · 0 评论 -
DataFrame(5):数据分组与聚合
DataFrame(5):数据分组与聚合原创 2021-12-16 14:51:19 · 581 阅读 · 0 评论 -
DataFrame(6):DataFrame重复值处理
DataFrame(6):DataFrame重复值处理原创 2021-12-16 14:53:57 · 374 阅读 · 0 评论 -
DataFrame(7):缺失值处理
DataFrame(7):缺失值处理1、替换字符例如把字符‘A’ 替换为字符‘B’data.replace(to_replace="A", value='B') to_replace:替换前的值, value:替换后的值2、判断缺失值是否存在(1)pd.notnull(dataframe) #新DataFrame(boolen类型)(2)np.all(pd.notnull(dataframe)) #true/false(3)pd.isnull(datafr原创 2021-11-22 18:02:22 · 5374 阅读 · 0 评论 -
DataFrame(8):DataFrame异常值处理
DataFrame(8):DataFrame异常值处理原创 2021-12-16 14:56:03 · 1215 阅读 · 0 评论 -
DataFrame(9):DataFrame对文件操作
1、读取文件1.1 读取csv文件pd.read_csv(“路径”) data = pd.read_csv('data.csv',encoding='gbk',header=None)1.2 读取txt文件pd.read_table(“路径”) 1.3 读取excel文件 pd.read_excel(“路径”)1.4读取json文件pd.read_json(“路径”) data = pd.read_json(data,orient='split')1.5读取sql文件原创 2021-11-18 17:31:25 · 1008 阅读 · 0 评论 -
DataFrame(10):数据合并
DataFrame(10):数据合并原创 2021-12-16 15:11:40 · 148 阅读 · 0 评论 -
DataFrame(11):时间处理
DataFrame(12):日期处理原创 2021-12-16 15:12:32 · 3377 阅读 · 0 评论 -
DataFrame(12):重要函数apply()、map()
DataFrame(13):重要函数apply()、map()原创 2021-12-16 15:14:22 · 299 阅读 · 0 评论 -
DataFrame(13):常用函数
DataFrame(10):常用函数原创 2021-12-16 14:57:13 · 136 阅读 · 0 评论