![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Python点滴
文章平均质量分 81
令狐公子
开朗活泼自信进取
展开
-
Python点滴(一)
以下实例展示了split()函数的使用方法:#!/usr/bin/pythonstr = "Line1-abcdef \nLine2-abc \nLine4-abcd";print str.split( );print str.split(' ', 1 ); //1代表分割次数以上实例输出结果如下:['Line1-abcdef', 'Line2-abc', 'Line原创 2016-03-23 00:14:59 · 2132 阅读 · 0 评论 -
Pandas 速查
如果不归一化,各维特征的跨度差距很大,目标函数就会是“扁”的,图中椭圆表示目标函数的等高线,两个坐标轴代表两个特征。在进行梯度下降的时候,梯度的方向就会偏离最小值的方向,走很多弯路。 归一化后,那么目标函数就变“圆”了,每一步梯度的方向都基本指向最小值,可以大踏步地前进,每一步梯度的方向基本都指向最小值,可以大踏步的前进。a="from.US.NY"print('-'.join(a.sp...原创 2019-02-13 17:39:48 · 418 阅读 · 0 评论 -
Pandas—时间索引
独热编码即 One-Hot 编码,又称一位有效编码,其方法是使用N位状态寄存器来对N个状态进行编码,每个状态都由独立的寄存器位,并且在任意时候,其中只有一位有效。可以这样理解,对于每一个特征,如果它有m个可能值,那么经过独热编码后,就变成了m个二元特征。并且,这些特征互斥,每次只有一个激活。因此,数据会变成稀疏的。pandas具有丰富的时间序列处理功能,对于时序问题我们经常需要按天、周、月、季度、...原创 2018-04-19 20:00:53 · 16758 阅读 · 2 评论 -
pandas—举例
In [1]:import jsonpath='usagov_bitly_data2012-03-16-1331923249.txt'records=[json.loads(line) for line in open(path)]records[0]Out[1]:{'a': 'Mozilla/5.0 (Windows NT 6.1;原创 2017-11-23 10:11:36 · 4477 阅读 · 0 评论 -
pandas—数据聚合与分组运算
In [1]:import pandas as pdimport numpy as npfrom pandas import *df=DataFrame({'key1':['a','a','b','b','a'], 'key2':['one','two','one','two','one'], 'data1':np.rand原创 2017-11-14 09:23:28 · 6050 阅读 · 0 评论 -
pandas—清理、转换、合并、重塑
from pandas import *df1=DataFrame({'key':['b','b','a','c','a','a','b'], 'data1':range(7)})df2=DataFrame({'key':['a','b','d'], 'data2':range(3)})print (df1)print (df2)原创 2017-11-07 09:13:38 · 775 阅读 · 0 评论 -
Python点滴(八)—pandas中的透视表
首先导入需要使用的numpy和pandas功能库,numpy用于数值计算,Pandas是基于numpy构建的用于科学计算的功能库,pandas.pivot_table是Pandas库(pd)中的函数。然后读取Lending Club数据 ,并生成名为lc的数据表。 1 2 3 importpandas as pd importnum...转载 2019-09-03 11:24:38 · 1196 阅读 · 0 评论 -
Python点滴(八)—图片序列化转为csv格式中遇到的一些问题
我在将数字图片转化为数组并保存在csv文件当中出现了一个问题,无法将图片数组存为我想要的形式,即一个exel格中放一个灰度值的样子,问题最终被解决现记录如下:a=[[1,2,3,4,5],[6,7,8,5,9,0],['a','b','e','q','h']]with open('test.csv','wb') as myfile: mywriter=csv.writer原创 2017-04-06 14:10:04 · 4245 阅读 · 3 评论 -
Python点滴(六)
operator.itemgetter函数operator模块提供的itemgetter函数用于获取对象的哪些维的数据,参数为一些序号(即需要获取的数据在对象中的序号),下面看例子。a = [1,2,3] >>> b=operator.itemgetter(1) //定义函数b,获取对象的第1个域的值>>> b(a) >>> b=operator.itemgetter(1,0) //定义函数b,获取对象的第1个域和第0个的值原创 2017-03-02 11:10:31 · 426 阅读 · 0 评论 -
Python点滴(七)—pandas 记录
这里我们会再一次的通过《利用Python进行数据分析》这本书的第五章部分,将Pandas在做一些简单的介绍,主要都是比较naive的东西,不过对于初学者是很好的,通过这篇博文大家可以看到pandas许多有趣强大的数据表格处理能力;这里主要通过代码记录的形式记录下来了作者学习的过程,一些比较难懂的地方都做了一些说明,如果有问题欢迎批评指正~~~(*^__^*) 咯咯…… #处理缺失数据原创 2016-06-24 17:40:03 · 657 阅读 · 0 评论 -
Python点滴(五)-pandas进阶
pandas.read_csv('path',header=None) 这样就可以防止第一行数据被认为是标题索引,然后用0,1,2等来进行索引代替!In [1]: import pandas as pdIn [2]: pd.read_csv('D:\pydata\ch06\ex2.csv',header=None) #去掉默认第一行为标题索引行,从而可以从0,1,2来进行索引In [6]: !cat D:\pydata\ch06\csv_mindex.csv'cat' 不是内部或外部命令,也不是原创 2016-05-16 21:52:02 · 1886 阅读 · 0 评论 -
Python点滴(四)—pandas快速入门使用
本篇博文主要介绍数据分析包pandas的使用,主要参考资料来自pandas官网,掌握以下内容可以帮助data scientist快速理解pandas日常的数据分析操作,读者可以自己定义一些数据,跟着练习一下,pandas确实挺强大的,比自己一点点的去写numpy要省事许多,可以为大家省下不少时间精力将工作重点放在算法或者业务的深入理解方面,内容so young so naive,但是仔细读来也可以have some fun!原创 2016-05-16 10:12:54 · 9358 阅读 · 1 评论 -
Python点滴(三)—pandas数据分析与matplotlib画图
本篇博文主要介绍使用python中的matplotlib模块进行简单画图功能,我们这里画出了一个柱形图来对比两位同学之间的不同成绩,和使用pandas进行简单的数据分析工作,主要包括打开csv文件读取特定行列进行加减增加删除操作,计算滑动均值,进行画图显示等等;其中还包括一段关于ipython的基本使用指令,比较naive欢迎各位指正交流!原创 2016-05-12 10:48:31 · 46393 阅读 · 1 评论 -
Python点滴(二)
x=(lambdaa="fee",b="fie",c="foe":a+b+c) random.multivariate_normal的用法 numpy中的asarray用法原创 2016-04-27 21:06:38 · 711 阅读 · 0 评论 -
pandas之concat timestamp的使用
In [1]: import pandas as pdIn [2]: df1 = pd.DataFrame({'key':['b','b','a','c','a','a','b'],'data1':range(7)})In [3]: df2 = pd.DataFrame({'key':['a','b','d'],'data2':range(3)})In [4]: df1Out[4]:...原创 2019-08-26 09:11:02 · 582 阅读 · 0 评论