数据分析小菜鸟

原创 5.1.3 索引对象

索引对象是不可变的，不然就会报错不变性使得在多种数据结构中分享索引对象更为安全于python不同，pandas索引对象可以包含重复标签一些索引对象的方法和属性比如：并集还有更多更多...

原创 5.1.2 DataFrame

构建DataFramehead方法显示头部的五行指定列的顺序如果传的列不在字典中，将会在结果中出现缺失值按照字典型标记或属性检索为Seriesframe2[column]对于任意列名均有效，但是frame2.column只在列名是有效的python变量名时有效用loc进行选取行赋值某一列的值用Series赋值给指定列del关键字可以删除DataFrame列，先增加一列布尔值，判断state列是否为‘ohio’del方法可以用...

原创 5.1.1 Series

Series是一种一维的数组型对象，包含了一个值序列（类似于Numpy），还有一个索引，从0到n-1（n是数组长度）可以单独查看数组的值、索引也可以自定义索引根据索引找到对应的值使用布尔值数组进行过滤...

原创 4.7 示例：随机漫步

使用python内建的random模块实现一个1000步的随机漫步import randomimport matplotlib.pyplot as pltposition = 0walk = [position]steps = 1000for i in range(steps): step = 1 if random.randint(0,1) else -1 #randint(0,1)取0或1，step取1或-1 position += step walk..

原创 4.6伪随机数生成

numpy.random模块弥补了Python内奸的random模块的不足，可以高效地生成多种概率分布下的完整样本值数组。例如，可以用normal来获得一个4*4的正态分布样本数组import numpy as np samples = np.random.normal(size=(4,4))samplesarray([[-0.39778685, 0.10526198, -0.62532053, -0.69857853], [ 1.44776352, 1.083

原创 4.5 线性代数

dot函数import numpy as npx = np.array([[1.,2.,3.],[4.,5.,6.]])y = np.array([[6.,23.],[-1,7],[8,9]])xarray([[1., 2., 3.], [4., 5., 6.]])yarray([[ 6., 23.], [-1., 7.], [ 8., 9.]])x.dot(y)array([[ 28., 64.],

原创 4.4 使用数组进行文件输入和输出

np.save 和 np.load 是高效存取硬盘数据的两大工具函数，数组在默认情况下是以未压缩的格式进行存储的，后缀名是.npyimport numpy as nparr = np.arange(10)np.save('some_array',arr)np.load('some_array.npy')array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])可以使用np.savez并将数组作为参数传递给该函数，用于在未压缩文件中保存多个数组：np.sa.

原创 4.3 使用数组进行面向数组编程（2）

all、anyany 检查数组中是否至少有一个True，而all检查是否每个值都是truebools = np.array([False,False,True,False])bools.any() #检查数组中至少有一个TrueTruebools.all() #all检查是否每个值都是TrueFalse排序arr = np.random.randn(5,3)arrarray([[-0.70436114, -0.07774245, 1

原创 4.3 使用数组进行面向数组编程(1)

meshgridimport numpy as nppoints = np.arange(-5,5,0.01)xs,ys = np.meshgrid(points,points)ysarray([[-5. , -5. , -5. , ..., -5. , -5. , -5. ], [-4.99, -4.99, -4.99, ..., -4.99, -4.99, -4.99], [-4.98, -4.98, -4.98, ..., -4.98, -

原创 4.2 通用函数：快速的逐元素数组函数

原创 4.1 Numpy ndarray：多维数组对象（3）

这是数组转置和换轴！

原创 4.1 Numpy ndarray：多维数组对象（2）

来看看神奇的numpy索引吧！

原创 4.1 Numpy ndarray：多维数组对象（1）

数据类型~

原创 3 内建数据结构、函数及文件

正题之前的热热身，还是很重要的！