python数据分析
文章平均质量分 59
地铁洗涤感冒药
这个作者很懒,什么都没留下…
展开
-
Pandas —— DataFrameGroupBy、SeriesGroupBy结构
当我们对一个 DataFrame 进行 groupby 聚合分组操作时,我们会得到一个DataFrameGroupBy对象DataFrameGroupBy的 包含若干个tuple,tuple中包含两项,第一项是根据你groupby时指定的列,所得到列的不同的值,而第二项是一个 DataFrame,DataFrame保持着和被聚合的原DataFrame结构一致而SeriesGroupBy就是在聚合的时候在聚合操作后直接用列索引出来的一列数据,同样包含若干个tuple,第一项仍然是我们聚合的键值,原创 2022-04-13 21:14:15 · 2110 阅读 · 0 评论 -
matplotlib 添加数据标签
库的导入:import pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom pylab import mpl用来画图的数据:data=pd.DataFrame([[2,5],[3,4],[49,33],[34,3],[23,9],[78,23]],index=['a','b','c','d','e','f'])添加数据标签前画的图:plt.plot(data)plt.show()添加数据标签后的图像原创 2021-12-26 15:29:35 · 3926 阅读 · 0 评论 -
matplitlib 绘制常见图表
matplotlib中包含了许多快速生成多种图表的函数:函数名称函数说明bar绘制条形图barh绘制水平条形统计图hist绘制直方图pie绘制饼图specplot绘制堆积区域图scatter绘制散点图plot绘制折线图boxplot绘制箱型图绘制直方图matplotlib.pyplot.hist(x,bins=None,range=None,density=None weights=None,cumu原创 2021-12-26 13:38:06 · 941 阅读 · 0 评论 -
matplotlib图表正确显示中文
在python脚本中动态设置matplotlibrc,这样就可以避免由于更改配置文件而造成的麻烦from pylab import mplmpl.rcParams['font.sans-serif']=['SimHei']另外,由于字体更改后,会导致坐标轴中的部分字符无法正常显示,这时需要更改axes.unicode_minus参数,具体代码如下:mpl.rcParams['axes.unicode_minus'] = False # 设置正常显示符号示例代码:import pandas原创 2021-12-25 14:18:05 · 1177 阅读 · 0 评论 -
Pandas索引操作及高级索引
Pandas索引操作及高级索引索引对象Pandas 中的索引都是 Index 对象,又称索引对象,该对象是不可以进行修改的,以保证数据的安全。例如,创建一个 Series 类对象,为其制定索引,然后再对索引重新赋值后会提示“索引不支持可变操作”的错误信息,示例代码如下:ser_obj = pd.Series(range(5),index=['a','b','c','d','e'])ser_index = ser_obj.indexser_index #Index(['a', 'b',原创 2021-12-20 21:47:40 · 1297 阅读 · 0 评论 -
Pandas算数运算与数据对齐
算数运算与数据对齐Pandas 执行算数运算时,会先按照索引进行对齐,对齐以后再进行相应的运算,没有对齐的位置会用NaN进行补齐。其中,Series是按照行索引对齐的,DataFrame是按照行索引、列索引对齐的假设有两个Series对象,创建它们的示例代码如下:obj_one=pd.Series(range(10,13),index=range(3))obj_oneobj_two=pd.Series(range(20,25),index=range(5))obj_two如果要对obj原创 2021-12-20 21:07:17 · 1688 阅读 · 0 评论 -
Pandas之Series和DataFrame
Pandas的数据结构分析Pandas中有两个主要的数据结构:Series 和 DataFrame,其中 Series 是一维的数据结构,DataFrame 是二维的、表格性的数据结构SeriesSeries是一个类似于一维数组的对象,它能够保存任何数据类型,主要有一组数据和与之相关的索引两部分组成,如图:创建Series对象Pandas 的 Series 对象可以使用以下构造方法创建class pandas.series(data=None, index=None, dtype=None原创 2021-12-19 13:24:40 · 1884 阅读 · 0 评论 -
科学计算库 NumPy
认识NumPy数组对象Numpy中最重要的一个特点就是其N维数组特点,即 ndarray 对象ndarray对象的常用属性属性具体说明ndarray.ndim维度个数,也就是数轴的个数,如一维,二维,三维等ndarray.shape数组的维度,这是一个整数的元组,表示每个维度上数组的大小,例如,一个n行n列的数组,它的shape属性为(n,m)ndarray.size.数组元素的个数,等于shape属性中元组元素的乘积ndarray.dtype描述数组原创 2021-12-18 20:50:12 · 834 阅读 · 0 评论