![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
pandas基础
主要从8节来实践pandas的基础知识
manices
这个作者很懒,什么都没留下…
展开
-
7 pandas plot
其实pandas除了拥有强大的数据处理功能外,还拥有强大的可视化功能,可以直接画图。 1 画线图 import pandas as pd import numpy as np import matplotlib.pyplot as plt # 1 直接画pandas图,.plot plt.figure() data = pd.Series(np.random.randn(1000),index=np.arange(1000)) data = data.cumsum() # 累加和 data.plot()原创 2020-08-30 17:45:27 · 177 阅读 · 0 评论 -
6 pandas数据合并
有时候我们得到不同的数据块,然后需要把他们合并到一起,这个时候就需要合并。合并是对数据的一种操作。 接下来看看,数据合并 1 数据合并 import numpy as np import pandas as pd df1 = pd.DataFrame(np.arange(12).reshape(4,3),columns=['a','b','c']) df2 = pd.DataFrame(np.arange(12,24).reshape(4,3),columns=['a','b','c']) df3 =原创 2020-08-30 17:30:20 · 154 阅读 · 0 评论 -
5 pandas文件的读取
很多时候我们得到的数据是已经打包好的文件,具有一定的格式,比如csv、xls、html等等。然后我们需要对其操作 的话首先应该先进行读取。那么读取好之后,就是我们熟悉的pandas格式的数据,然后就可以进行前面的操作了,操作好之后进行保存。完成对数据的简单处理。 import pandas as pd file =pd.read_excel('boys.xlsx')# 读取 有多种形式 csv、html等等 # 操作 file.iloc[2,4]=30000 # 赋值 file.to_csv('ne原创 2020-08-30 17:19:47 · 132 阅读 · 0 评论 -
4 pandas处理丢失的数据
有些时候我们采集到的数据可能会是不全的,那么这个时候我们就需要进行一定的处理,以便来满足我们的要求。 那么开始吧 #1 生成数据 import numpy as np import pandas as pd # 生成数据 dates = np.arange(20200101,20200105) df1 = pd.DataFrame(np.arange(12).reshape(4,3),index=dates,columns=['a','b','c']) # 没有的数据为空 df2 = pd.Da原创 2020-08-30 17:07:08 · 168 阅读 · 0 评论 -
3 pandas的赋值及操作
有时候我们需要对表格里面的数据进行一些预处理的操作,这时候就需要了解一下基本的操作方法。 首先赋值是基于选择数据的。那么让我们开始吧。 1 直接赋值 (改) 在相应的位置,用 = 赋值 code import numpy as np import pandas as pd dates = np.arange(20200101,20200107) df1 = pd.DataFrame(np.arange(24).reshape(6,4),index=dates,columns=['a','b','c',原创 2020-08-30 16:38:24 · 3114 阅读 · 0 评论 -
2 pandas选择数据
那么创建好数据后,或者读入数据后,怎么对数据进行选择呢,下面将介绍pandas对数据的选择 首先生成数据 import numpy as np import pandas as pd data=pd.date_range('20200801',periods=6) df1=pd.DataFrame(np.arange(24).reshape((6,4)),index=data,columns=['a','b','c','d']) print(df1) 结果如下 然后对数据进行...原创 2020-08-30 16:04:39 · 122 阅读 · 0 评论 -
# 1 pandas中的Series DataFrame
pandas库 是基于 Numpy 库的,它可以对数据进行导入、清洗、处理、统计和输出可以说,pandas 库就是为数据 分析而生的。原创 2020-08-30 15:41:01 · 105 阅读 · 0 评论