python基础学习
python的基础学习,涉及pandas、numpy、matplotlib 等包的在数据分析过程中的的数据分析和数据可视化应用
高高兴兴5788
一只奋斗的菜鸟
展开
-
numpy -- 基础知识 :常见的运算操作
numpy 数据运算操作1.np.aroundnp.around返回四舍五入后的值,可以指定精度格式:around(a, decimals=0, out=None)decimal表示精度,整数表示小数点右边保留几位,负数表示小数点左边保留几位import numpy as npa = [np.random.normal(10) for _ in range(10)]# [8.75979108665653,#9.381251593781995,# 9.26005756259318,原创 2020-12-11 17:47:01 · 385 阅读 · 0 评论 -
numpy -- 基础方法操作 array和asarray数据类型常用基础方法
numpy 基础知识一、引入包import numpy as np二、基础方法1. Array(数组)rank:数组的维数 a.ndim # 返回维度a = np.array([1,2,3])type(a) #类型a.shape#形状a = a.reshape((-1,n))#其中-1代表的是3,转化形状b = np.zeros((n,m)) #用于创建全为0的数组,其中n,m代表形状c = np.ones((n,m)) # 用于创建全为1的数组d = np.full(原创 2020-12-11 17:35:42 · 2137 阅读 · 0 评论 -
pandas--基础知识: pandas 数据统计函数
pandas 的数据统计函数1.增长率pct_change序列(Series)、数据框(DataFrame)和Panel(面板)都有pct_change方法来计算增长率(需要先使用fill_method来填充空值)df.pct_change(periods=1, fill_method=‘pad’, limit=None, freq=None, **kwargs),periods表示计算的步长,fill_method表示填充空置的方法,是按照列进行计算的,如果想按照行需要添加axis=1。计算公式:原创 2020-12-11 17:13:09 · 1875 阅读 · 0 评论 -
python -- 基础知识:内置函数enumerate、zip、isinstance、type、map、map、filter、reduce
python 内置函数1.enumerate() 函数enumerate()函数 用于将一个可遍历的数据对对象(如: 列表、元祖或字符串)组合成一个索引序列,同时列出数据和数据下表,一般用在for循环中enumerate(sequence, [start=0])参数:sequence – 一个序列、迭代器或其他支持迭代对象。start – 下标起始位置。返回值:返回 enumerate(枚举) 对象。2.zip()函数,构造字典参考:https://www.cnblogs.com原创 2020-12-11 17:06:21 · 511 阅读 · 0 评论 -
python -- unittest 单元测试基础操作
参考:1.https://zhuanlan.zhihu.com/p/51095152 很详细2.https://www.cnblogs.com/feng0815/p/8045850.html常用的断言,即校验结果assertEqual(a, b) # 判断a==bassertNotEqual(a, b) # 判断a!=bassertTrue(x) # bool(x) is TrueassertFalse(x) # bool(x) is Fals原创 2020-12-11 16:53:26 · 158 阅读 · 0 评论 -
influxdb时间序列数据库 (二):python远程控制influxdb
文章目录前言一、influxdb 是什么?二、使用步骤1.引入库2.初始化3. 基础操作4. 数据查询5. 数据写入总结前言提示:这里可以添加本文要记录的大概内容:例如:随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容。提示:以下是本篇文章正文内容,下面案例可供参考一、influxdb 是什么?influxdb 几个重要的名词介绍database:数据库;measurement:数据库中的表;point:表里面的一行..原创 2020-12-11 15:43:14 · 1452 阅读 · 0 评论 -
pandas -- 基础操作(三) :pandas 层次化索引创建、数据选择
# pandas ---- DataFrame基础操作(三) :panda 层次化索引提示:写完文章后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录前言一、构建多层索引1. 创建多层索引(创建多维DataFrame)1.1 隐式构建多层索引1.2 pd.MultiIndex 显式构建多层级索引1.3 set_index方法将普通列转成多层级索引2. 多层索引数据提取2.1 选择数据2.2 排序2.3 多层索引的相关操作总结前言pandas 层次化索引, 创建多维数据操作..原创 2020-11-11 17:28:05 · 1291 阅读 · 0 评论 -
pandas --基础操作(一): Serise 、DataFrame 创建和数据选择 基础操作
系列文章目录第一章 Python 数据分析之pandas的使用第二章 python 数据分析之numpy的使用第三章 python 数据可视化之matplotlib的使用提示:写完文章后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录系列文章目录前言一、pandas是什么?二、使用步骤1.引入库2.对象Series、DataFrame2.1 生成Serise总结前言在数据分析中pandas 有着举足轻重的地位,提供了高性能、易使用的数据结构与数据分析工具。一、pandas原创 2020-10-26 10:25:23 · 1392 阅读 · 4 评论 -
pandas --基础操作(二) :DataFrame 的增删改查、排序操作等基础操作
系列文章目录提示:这里可以添加系列文章的所有文章的目录,目录需要自己手动添加例如:第一章 Python 机器学习入门之pandas的使用提示:写完文章后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录系列文章目录前言一、二维 dataFrame 基础操作1.1 df 数据的增、删、改二、 多维dataFrame 基础操作2.2 创建2.3 基础操作前言提示:这里可以添加本文要记录的大概内容:例如:随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,原创 2020-11-11 15:39:41 · 913 阅读 · 1 评论 -
pandas -- 基础操作(四): dataFrame 数据拼接merge、join、concat、append
系列文章目录 基础操作(四): dataFrame 数据拼接merge、join、concat、append文章目录系列文章目录前言dataFrame 数据拼接的方法:1. merge()2. Join()3.append()4. concat()总结前言Pandas.DataFrame操作表连接有三种方式:merge, join, concat,append,下面详细解释这几个方法的使用。dataFrame 数据拼接的方法:1. merge()df.merge(): 可以根据一原创 2020-11-16 14:53:38 · 6819 阅读 · 0 评论 -
pandas-- 基础操作(五): json 和 dataFrame 相互转化
文章目录一、pandas是什么?二、json --> dataFrame1. 直接使用pandas1.1 orient='split' : columns,index,data1.2 orient='index',按照index转化1.3 orient='records'1.4 orient='columns'2. json_normalize3. json --> dataFrame1. 传输的文件为一个list列表总结一、pandas是什么?示例:pandas 是基于NumP原创 2020-12-01 17:01:21 · 4924 阅读 · 1 评论 -
pandas -- 基础操作(六):数据分组及透视表,df.groupby、pd.pivot,、pd.pivot_table、stack(堆叠)、 unstack(不堆叠)
文章目录前言一、数据分组1.1 数据分组格式1.2 基础实例1.3 将分组列设置为index,对index进行整体操作1.4二、透视表1.pd.pivot2.pd.pivot_table3. df.stack\df.unstack总结前言数据分组和数据透视表是常用的数据汇总工具,它可以根据一个或多个制定的维度对数据进行聚合和重组。一、数据分组什么是数据分组:数据分组就是根据一个或多个键(可以是函数、数组或dataframe列名)将数据分为若干组,然后对分组后的数据分别进行汇总计算..原创 2020-12-09 17:03:30 · 2062 阅读 · 0 评论 -
pandas--基础操作(七): datetime、time时间戳操作
python 数据分析之 时间戳操作第一章 Python 数据分析之pandas的使用第二章 Python 数据分析之 时间戳操作第二章 python 数据分析之numpy的使用第三章 python 数据可视化之matplotlib的使用@[TOC](Python 数据分析之 时间戳操作)一、 时间戳的基础操作datetime 数据包time 数据包1.1 数据类型时间序列的数据类型:Datetime Object / String / timestamp / t原创 2020-11-04 15:01:31 · 5557 阅读 · 1 评论