![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
datawhale
xxl_lei
一个啥都不会的研究生,希望以此博客记录成长路上的点点滴滴
展开
-
Task06_连接
一、关系型连接连接中有两个基本的要素:键和连接形式键表示两张表根据什么来连接,比如企业员工的各类信息表根据员工ID号会汇总,那这时候员工ID号就是键了,键可以是一个也可以是一组连接形式分为:左连接、右连接、内连接、外连接。左连接表示以调用的表为主,被调用表中存在调用表的键就合并到调用表中,否则则处理为缺失值;右连接和左连接相反;内连接负责合并两边都出现的键;外连接将两张表合并,又称全连接pandas给了两种关系型连接函数merge和join,前一种用于值连接,后一种用于索引连接。对于上面的两个要素,原创 2020-12-29 21:56:45 · 179 阅读 · 0 评论 -
Task05_变形
一、长宽表的变形长表和宽表是相对于某一特征而言的,如果该特征作为列名,那么,这张表对于这个特征是宽表,如果该特征是作为列中的元素存储到这张表中,那么就可以说这张表对该特征是一个长表。下面给出长表和宽表的例子:df = pd.DataFrame({'Class':[1,1,2,2], 'Name':['San Zhang','San Zhang','Si Li','Si Li'], 'Subject':['Chinese','Ma原创 2020-12-27 17:59:01 · 165 阅读 · 0 评论 -
Tasl04_分组
一、分组模式及其对象分组需要明确三个要素:分组依据、数据来源、操作及其返回结果,通俗上来说就是在哪些数据上对什么进行分组,做了哪些操作,一般模式为df.groupby(分组依据)[数据来源].使用操作## 具体点df.groupby('School')['Height'].mean() # 根据学校分组,对分组数据中Height这一列求平均值,得到的每个学校身高的平均值根据多列进行分组只需要将标量改成列表即可:df.groupby(['School','Gender'])['Height'].原创 2020-12-25 19:34:32 · 231 阅读 · 1 评论 -
Task03_索引
一、索引器对于DataFrame对象最常见的索引方式为df['column name']或者df[column list],前者返回的是一个Series,后者是DataFrame。Series对象索引的方式大概也是类似的,不再赘述Pandas中还提供了一些特殊的函数和索引器来满足不同场景的需要1.loc索引器loc索引器一般形式为loc[*,*],前一个是行的选择,后一个是列的选择,后一个*的位置可以省略,A和B有五类合法对象:(后面为示例)单个元素:df.loc['index name']元原创 2020-12-22 22:54:39 · 267 阅读 · 0 评论 -
Task02_pandas基础
这一次的任务主要是熟悉api,了解各个函数的功能,难点还是在合理应用,还需从例子中多总结一些应用场景及特殊用法。一、文件的读取和写入1.文件读取文件读取常用的函数是read_csv、read_table、read_txt,分别对应的是读取csv,excel、txt文件,举一个例子,其他几个函数用法类似:import pandas as pdimport numpy as npdf_csv = pd.read_csv('data/my_csv.csv')## 结果如下表col.原创 2020-12-19 13:10:47 · 202 阅读 · 1 评论 -
Task1:Python基础和Numpy基础
一、python基础下面的python基础涉及python的基本数据结构等知识,本来想着在这里补充上的,试了一下发现并没有网上一些教程写的好,本着不重复造轮子的想法(其实就是懒)也就不加了,如果需要的话可参考廖雪峰的python教程1、列表推导式和条件赋值列表推导式:按照一定的语法帮助简化操作,可以较容易的获取一个列表,语法为[A for i in B],其中A为函数名(需要注意的是别忘了要带参数比如:A(i)),B是一个迭代的对象。具体例子如下所示:def my_func(x): retu原创 2020-12-16 11:23:23 · 366 阅读 · 1 评论