m0_52945258的博客

读取函数主要函数有两个，如下所示：read_csv：默认分隔符为逗号read_table：默认分隔符为制表符（‘\t’）一些

hist柱状图例子：import matplotlib.pyplot as pyimport numpy as npnp.random.seed(0)#py.plot(np.random.randn(100),'k--')#py.show()py.hist(np.random.randn(100),bins=20,color='k',alpha=0.3)py.show()运行结果为：参数解释：bins：柱状图的柱数，默认为10color：柱状图的颜色alpha.

切片索引a=np.array([[1,2,3],[4,5,6]])print(a[:,1:2])在此代码中，我们首先创建了一个数组，再对这个数组进行切片，切片的时候，a[,]逗号前面的部分是行号，逗号后面的部分是列号，‘:’这个是从什么到什么的标志，1:2表示从1到2，并且不包含2，（左边包含右边不包含）花式索引b=np.empty((8,4),dtype=int)for i in range (8): b[i]=i+1print(b[[4,3,0,6]])print

MovieLens 1M数据集下载地址：https://grouplens.org/datasets/movielens/1m/为方便，我已将数据集防止在csdn上，0积分下载，地址稍后补充。read_tableread_table是一个数据读入工具，将数据读入到一个DataFrame中，例如，在本次数据处理的例子中，我们先import pandas as pduname = ['user_id', 'gender', 'age', 'occupation', 'zip']use

Series一组数据加索引可以有以下的创建方式（运用字典）import numpy as npimport pandas as pdobj=pd.Series([1,2,3,4,5,6])print(obj)sdata={'a':3500,'b':2500,'c':4500}bojt=pd.Series(sdata)print(bojt)运行结果图：Series的功能特别的强大，比如说两个数组可以相互相加，或者是数组可以自动匹配赋值，具体的可以在https://bl..

merge函数merge(df1,df2,on='key',how=' 附录一'，suffixes=())附录一：left:左外连接right:右外连接inner:内连接outer:外连接区别：内连接只有两个key一样时才会出现在最后的结果中，左外连接可以出现左边（df1）里面所有拥有的key值，（右连接一样），外链接则是左连接和右连接的组合，最后的结果包含df1和df2的所有值代码：import pandas as pddf1=pd.DataFrame({'

Groupby技术基础知识先上代码：df =pd.DataFrame({'key1':['a','a','b','b','a'],'key2':['one','two','one','two','one'],'data1':np.random.randn(5),'data2':np.random.randn(5)})#print(df)print(df.groupby(['key1','key2']).mean().reset_index())运行结果为：mean（）函数表示的是：取平均值

目录基本计算random库copy库列表字符串字典类异常模块包基本计算decimal.Decimal（“ ”）精准小数x//y 地板除 取比结果小的最大整数divmod（x，y） 返回（x//y,x%y)x**y==pow(x,y) x的y次方random库randomint 随机数生成copy库copy.copy（x） 实现浅拷贝copy.deepcopy(x) 实现深拷贝列表reverse 反转count

下午看《利用python进行数据分析》这本书，发现了一个宝藏包（就是安装挺难的，可以查一下csdn上面其他的文章）首先，我们可以看以下最基础的代码长什么样子：import warningsfrom mpl_toolkits.basemap import Basemapimport matplotlib.pyplot as pltimport numpy as npimport oswarnings.filterwarnings('ignore')my_map = Basemap( pr

本数据为第十四届认证杯C题数据，数据下载链接为：http://www.tzmcm.cn/shiti.html首先，我们有一份excle文件，里面的内容是这样的：然后，开始进行数据处理，先在Python里面干我们经常干的事情df = pd.read_csv('data.csv')之后，我们可以发现：这份数据里面，有很多没有放置共享单车的位置，还单独列成了一列数据，因此，我们需要将这一类数据去掉。df = pd.read_csv('data1.csv')df = df[df..

首先 数据下载网站：https://tianchi.aliyun.com/dataset/dataDetail?spm=5176.20895038.0.0.3c736ad9z5Td6r&dataId=2581&userId=1下载下来数据后，需要对其进行合并，合并方法：data_01 = pd.read_csv('data_01.csv')data_02 = pd.read_csv('data_02.csv')data_03 = pd.read_csv('data_03..