qq_44122481的博客

pandas是数据处理利器，基于Numpy构建。 内置数据结构 Series由一维数组和与之相关的索引组成。可以保存任何类型的数据。 DataFrame二维表格型数据。有行索引和列索引。 导入 一般命名为pd import pandas as pd Series 创建 pandas.Series( data, index, dtype, name, copy) 参数说明： data：一组数据(ndarray 类型)。数据可以写成字典形式，就可以不需要index，字典的标签自动设为pandas数据的标签

基础 导入 首先需要导入numpy这个库，一般可以命名为np。 import numpy as np 创建 可以通过array()函数定义数字实例对象。 例如，可以导入一个3行3列的数组： a=np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]]) a.ndim #2 a.shape #(3,4) a.dtype #int32 功能 公式 查看维度 a.ndim 查看行列数 a.shape 查看元素类型 a.dtype 序列数组 可以用来构建

map 函数 | map(func, *iterables) --> map object | Make an iterator that computes the function using arguments from | each of the iterables. Stops when the shortest iterable is exhausted. 制作一个迭代器，使用每个迭代iterables的参数计算函数。当最短的迭代iterables结束时停止。 map 函数是一个允许

文本文件读写 写 file = open("C:\\Users\\Administrator\\Desktop\\wenben.txt", "w") file.write("good\n") file.write("hello\n") file.close() w表示写入。首先，文件夹必须存在。作用是：没有该文本则会自动创建，存在该文本则覆盖原文本。 读 file = open("C:\\Users\\Administrator\\Desktop\\wenben.txt", "r")

概念 正则表达式是可以选择含有某种格式的文本。它用一定的语句匹配符合一定规则的字符串。 正则表达式中的元字符 限定符（出现次数） * 左边的字符可以出现任意次（包括0次） +左边的字符可以出现任意次（不包括0次） \？左边的字符可以出现 0 次或 1 次 {m} m ≥ 0 左边的字符出现m次 {m,} m ≥ 0 左边的字符出现 ≥m 次 {m,n} m,n ≥ 0 左边的字符出现 m~n次（包括 m 和 n） ...