Pandas安装与对象使用
文章平均质量分 64
向天再还十斤肉
这个作者很懒,什么都没留下…
展开
-
第2关:Pandas的Series对象
任务描述本关任务:使用任意一个方法创建一个Series对象。相关知识Pandas的Series对象是能够保存任何类型的数据(整数,字符串,浮点数,Python对象等)的一维数组,可以用一个数组创建Series对象。In: data = pd.Series([0.25, 0.5, 0.75, 1.0]) In: data Out: 0 0.25 1 0.50 2 0.75 3 1.00 dtype: float64 从上面的结果发现Series对象将一组数据和原创 2022-05-11 20:50:17 · 2188 阅读 · 0 评论 -
第1关:安装并使用Pandas
任务描述本关任务:输出Pandas的版本号。相关知识在安装 Pandas 之前,确保你的操作系统中有 NumPy。如果你是从源代码直接编译,那么还需要相应的工具编译建立 Pandas 所需的C语言与 Cython 代码。详细的安装方法,请参考 Pandas官方文档。如果你按照前言的建议使用了Anaconda,那么 Pandas 就已经安装好了。平台已经安装Anaconda,所以不需要再安装Pandas库。编程要求本关的编程任务是补全右侧编辑器中的demo()函数,要求通过__ver.原创 2022-05-11 20:17:58 · 1315 阅读 · 1 评论 -
第4关:Pandas的Index对象
任务描述本关任务:获取两个Series对象的Index对象,然后求它们的并集和交集。相关知识从以上几个实训可以看出Series和DataFrame对象都使用便于引用和调整的显式索引。Pandas的Index对象是一个很有趣的数据结构,可以将它看作是一个不可变数组或有序集合(实际上是一个多集,因为Index对象可能会包含重复值)。创建一个简单的Index对象:In: pd.Index([2, 3, 5, 7, 11]) Out: Int64Index([2, 3, 5, 7,原创 2022-05-11 20:54:24 · 793 阅读 · 0 评论 -
第3关:Pandas的DataFrame对象
任务描述本关任务:分别使用Series对象和字典类型数据创建一个DataFrame对象。相关知识Pandas的另一个基础数据结构是DataFrame。和上一节介绍的 Series对象一样,DataFrame既可以作为一个通用型NumPy数组,也可以看作特殊的Python字典。创建DataFrame对象Pandas的DataFrame对象可以通过许多方式创建,这里举几个常用的例子。通过数组创建: pd.DataFrame(array, index=list0, column原创 2022-05-11 20:52:45 · 2473 阅读 · 0 评论