![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
python
qq_41471281
这个作者很懒,什么都没留下…
展开
-
python数据分析 第一天
1 用Python进行数据分析时,经常使用IPython2 collections nametuple>>> from collections import namedtuple>>> Point = namedtuple('Point', ['x', 'y'])>>> p = Point(1, 2)>>> p.x1>>> p.y2namedtuple是一个函数,原创 2018-01-16 18:27:35 · 236 阅读 · 0 评论 -
python数据分析第5(2)天
1 填充缺失数据 fillna方法是最主要的函数2 层次化索引 数据可以通过unstack方法被重新安排到一个dataframe中3 重新分级顺序4 dataframe 的set_index函数,可以将其一个或者多个列转换为行索引,并创建一个新的dataframe, 还可以通过 drop=False来设置那些列不被删除 reset_in原创 2018-01-31 19:36:00 · 167 阅读 · 0 评论 -
python3数据分析第4天
pandas库介绍:基于numpy创建series1 类似于以为数组对象,有一组数据和一组与之相关的数据标签组成2 可以通过values和index属性获取表达形式和索引对象 可以通过索引获取值3 数据被存放在字典中,则也可以直接创建series4 可以用pd.isnull( ) pd.botnull( ) 来判断 是否为缺失值NULL, se原创 2018-01-24 20:36:59 · 242 阅读 · 0 评论 -
python数据分析 第6天 数据的加载,存储与文件格式
1 有些表格可能不是用固定的分隔符去分割字段的。可以编写一个正则表达式来作为read_table的分隔符2 可以使用skiprows跳过文件的行3 对于缺失值的处理读取文件的时候,可以通过设置 na_values=[' '] 来说明数据中的缺失值为什么字符更进一步,可以使用字典来为各列指定不同的NA值4逐原创 2018-02-01 20:38:52 · 165 阅读 · 0 评论 -
python3数据分析第5天
1 pandas的索引对象不可改变2 下面是index的属性和方法3 reindex 将会根据新索引进行重排。 4 对于DataFrame,reindex可以修改索引,列,或两个都修改。如果仅仅传入一个序列,则会重新索引行5 6 Series的索引7 标签的切片运算与普通的Python切片不同,末端是包含的8 DataFr原创 2018-01-28 08:29:00 · 255 阅读 · 0 评论 -
python数据分析 第7天 数据的加载,存储,与文件格式
数据的加载,存储,与文件格式1 读取文本格式的数据这些函数的选项可划分为一下几类:JSON数据已经成为,发送数据的标准格式之一通过json.loads 可将JSON字符串转换成PYTHON形式json.dumps 将python对象转换为 JSON形式JSON必须为字符串 向DataFrame传入一组JSON对象XML HTML WEB信息收集lxml 是python库,可以处理HT...原创 2018-02-01 20:39:42 · 189 阅读 · 0 评论