朝法夕拾

方法笔记

pandas

1，替换

df.replace({-999: pd.np.NaN})  
#用Nan替换-999，字典可以改变多个参数  
#参数inplace = True 改变源文件数据
#np.NaN 空值

2，填充缺失数据

DataFrame.fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None, **kwargs)
#method ：backfill、bfill（向前填充）、pad、ffill（向后填充）

3，重采样

df = df.resample('D').mean()
#同一天数据平均值重采样
df.reset_index()   #重采样后要reset index

4，列名重命名

df.rename(columns={'Date (LST)': 'ds', 'Value': 'y'}, inplace=True)
#mapper, index, columns : 映射的规则。
#axis：指定轴，可以是轴名称（'index'，'columns'）或数字（0,1），默认为index。
#inplace：布尔值，默认为False。指定是否返回新的DataFrame。如果为True，则在原df上修改，返回值为

5，时间索引转换

df['Date'] = pd.to_datetime(df['Date'])
df.set_index('Date', inplace=True)

6，删除行或列

df.drop('apps') #　删除行：
df.dorp('col', axis=1)#删除列：删除列要加axis=1，默认是删除行的
df.dropna(axis=1)#删除缺失行
data.dropna(how = 'all')    # 传入这个参数后将只丢弃全为缺失值的那些行，how = 'any'：只要有缺失值就删除
data.dropna(axis=0,subset = ["Age", "Sex"])   # 丢弃‘Age’和‘Sex’这两列中有缺失值的行
data.dropna()#详细：https://www.cnblogs.com/sunbigdata/p/7895738.html
data.drop_duplicates(subset='LieMing', inplace=True)  # 依据列名删掉重复数据，inplace=True返回None，默认返回删除数据

7，返回缺失值数量和定位（配合any()）

df.isnull().values.sum() #返回缺失值数量
df.isnull().any(axis=0) # 查看各列(axis=0)、行(axis=1)是否存在空值，True表示有空值
df[df.isnull().any(axis=1)] # 返回行为空的行

1117，返回缺失值数量

df.isnull().values.sum()

numpy

1，

matplotlib

1，样式美化plt.style.use()

2，fig, ax = plt.subplots(figsize=(16, 9))

3，ax.axhline(y=0, color=“red”, lw=2) 画出水平参考线，lw宽度

4，ax.plot(log_change, “.-”) “.-” 表示折线图中变化点画出点