###########################时间序列#################################
data_bs.index = pd.date_range
(start='2018-08-01 00:00:00',periods=744,freq='h',normalize=True)
#######################################################################
sales_train_v2.isna().sum()#显示空值
sales_train_v2.select_dtypes(include = ['float'])#选择属性为float的数据
#plot显示
#3D显示
from mpl_toolkits.mplot3d import Axes3D
*******************************************************************************
#数据类型转换、编码
pd.get_dummies/factorize前者将标称型数据变为一组数字的矩阵,后者将标称型数据变为一列数据
#计算元素出现的次数
list: counts.counter()
numpy: np.unique(data, return_counts = True)
pandas: data.value_counts()
*********************************************************************************
np.argsort()
np.product(data.shape))#product表示笛卡尔积,data.shape(2,18),表示2*18 = 36
np.var()#方差
np.cumsum
errorbar
figure(figsize(6,6))
***********************************************************************************
dataframe.sample(5)#随机显示5个样本(dataframe.head()#前10个样本)
data.fillna(method = 'bfill', axis=0).fillna(0)#缺失值填充,根据后一个值进行填充,不存在就填0
pad/ffill:用前一个非缺失值去填充该缺失值
backfill/bfill:用下一个非缺失值填充该缺失值
#########################################################################################
train.groupby(['Pclass', 'Survived'])['Survived'].count()
train[['Pclass', 'Survived']].groupby('Pclass').mean().plot.bar()
#isnull(), notnull()
agedf_train = agedf[agedf.Age.notnull()]
agedf_test = agedf[agedf.Age.isnull()].drop('Age',axis = 1)
处理进程时间tqdm: