自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(8)
  • 收藏
  • 关注

原创 SQL last day

1.check 语句 check约束限制插入某一列的值,与WHERE使用相同的条件表达式。   CREATE TABLE my_table (id INT AUTO_INCREMTNT NOT NULL PRIMARY KEY, number INT NOT BULL CHECK (number>100)) 如果没有在创建表格时加入约束,可以使用ALTER 增加约束。 AL...

2018-07-22 21:40:12 663

原创 SQL day2

1.外键: 表格中某一列,引用另一张表的主键。 2.创建带外键的表格: CREATE TABLE foreign_table( column1 VARCHAR(20) column2 VARCHAR(20) FOREIGN KEY (column1) REFERENCES another_table (main_key) ); 3. AS语句 AS作用就像隧道一样将SELECT语句查询...

2018-07-17 22:01:06 132

原创 SQL 一日游

  1.创建表格   CREATE DATABASE my_database; #创建库 USE my_database; #激活数据库 CREATE TABLE my_contacts #创建表格 ( name VARCHAR(20) NOT NULL, gender VARCHAR(10), birthday DATE, professsion VARCHAR(50) DEFAU...

2018-07-15 11:16:02 168

原创 Pandas 数据的读取,保存

    Pandas 如果没有导入,导出的操作,那所有的一切数据处理的操作都将毫无意义。     将表格数据读取为DataFrame对象的方法,主要有俩个函数,俩者并无不同,以我看,要是读取以.csv后缀的文件,就用第一个。    pd.read_csv    pd.read_table    俩个函数参数设置:    sep---拆分数据的字符序列,或正则表达式,如 sep=',' 以逗号分开数...

2018-07-05 20:16:40 1359

原创 金融应用

1. Pandas 可以再算术运算中自动对齐数据,例如计算成交量加权平均价格。2.频率转换和重对齐的俩大主要工具是 resample---将时间序列的频率规整到固定频率。reindex---对于更加不规律的时间序列,reindex将ts1的时间索引规整到成ts2一样,并维持ts2的日期索引。3.Period时间索引为时间区间,俩个不同频率的数据,怎么样对齐计算?df1.asfreq('Q-SEP'...

2018-07-05 16:59:34 204

原创 时间序列

处理时间的俩个工具:datetime 和 timedeltaFrom datetime import datetime,timedelta datetiem.now()+timedelta(1) #timedelta是时间增量,datetime对象+时间增量 字符串和datetime对象的相互转化。datetime转换成字符串,主要有俩个方法:str(datetime)--最简单转换成字符串da...

2018-07-03 15:58:53 195

原创 Pandas 数据的聚合分组

    在EXCEL中,数据透视表是一个很神奇的工具,非常实用,方便。 当我第一次用时,it's amazing!     同样的,在Pandas模块中,也存在着类似数据透视表的功能:将数据分组,聚合。        -----DataFrame.groupby([key1,key2],as_index=False)               上面的代码中,分组键key1,ke...

2018-06-29 22:18:43 226

原创 pandas 入门

      Pandas库 入门浅析       前言:根据pandas库的工具,我们将要处理的数据一般分为俩种:Series(一维数据,如单行,单列) 和 DataFrame (二维数据,如一般表格形式)。实际中,我们主要是用DataFrame处理我们工作中的数据,所以本节侧重讲DataFrame。     1.Series    略       2.DataFr...

2018-06-10 15:00:26 178

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除