Pandas
小张Python1
这个作者很懒,什么都没留下…
展开
-
Pandas 数据处理 | Datetime 在 Pandas 中的一些用法!
Datatime 是 Python 中一种时间数据类型,对于不通时间格式的转换是比较方便的,而在 Pandas 中也同样支持 DataTime 数据机制,可以借助它实现许多有用的功能,例如1,函数to_datetime() 将数据列表中的 Series 列转化为 datetime 类型,#Convert the type to datetimeapple.Date = pd.to_datetime(apple.Date)apple['Date'].head()#0 2014-07-081原创 2020-08-01 19:56:11 · 8831 阅读 · 1 评论 -
Pandas 数据处理 | 多个数据表怎么合并(merge),你了解么?
Pands 两个数据列表合并方法总结;merge() 函数用于合并两个 DataFrame 对象或 Series,数据处理时经常会用到这个函数,官网给出该函数的定义如下:pandas.merge(left, right, how: str = 'inner', on=None, left_on=None, right_on=None, left_index: bool = False, right_index: bool = False, sort: bool = False, suffixes='_x原创 2020-07-20 13:22:27 · 29592 阅读 · 3 评论 -
Pandas数据处理 | apply() 函数用法指南!
本文介绍一下关于 Pandas 中 apply() 函数的几个常见用法,apply() 函数的自由度较高,可以直接对 Series 或者 DataFrame 中元素进行逐元素遍历操作,方便且高效,具有类似于 Numpy 的特性。apply() 使用时,通常放入一个 lambda 函数表达式、或一个函数作为操作运算,官方上给出的 apply() 用法:DataFrame.apply(self, func, axis=0, raw=False, result_type=None, args=(), **kw原创 2020-07-20 13:11:13 · 25505 阅读 · 0 评论 -
Pandas数据处理(三) — 聚类分组处理(Grouping)
分组(Group)的理解处理数据时,在一个数据列表中会以某一列的元素作为参考基点,统计该列中每个不重复元素对应其他列的相关数据,这里可能我描述的比较复杂,可以通过下面两张表格数据处理前后帮助理解:源数据为5列,分别为 age、gender、occupation、zip_code;下面我需要对 occupation (职业)这一列进行分组分析、统计一下每类职业对应 gender、age 的最大、最小、平均值,处理结果如下:以上就是聚类分组的简单介绍,Pandas 包里提供了函数 goupby 进原创 2020-07-02 12:41:31 · 8128 阅读 · 1 评论 -
Pandas 数据处理(二) —— 数据条件选择与排序!
上一篇文章介绍了 Pandas 的基本函数的使用方法,这篇文章主要介绍 Pandas 的条件筛选和排序功能,同样也是借助于一个小案例!1,读入数据先利用 read_csv() 函数 把数据都进来,这个数据是一个商品类目的数据,里面有 quantity(类)、name(名字)、description(描述)、price(价格)等几个属性:import pandas as pdurl = "https://raw.githubusercontent.com/justmarkham/DAT8/master原创 2020-07-02 12:40:43 · 841 阅读 · 0 评论 -
Pandas 数据处理(一) —— 几个简单函数掌握!
上一阶段公号更新了 OpenCV 的一些小案例,在接下来的一段时间里公号的更文计划向 Pandas、Numpy、Matplotlib 关于数据处理、可视化的方向侧重;偶尔会加入几篇 Python 自动化办公相关文章,小伙伴们关于推文方向有什么建议的话可以发在下方评论里,也可以在后台私信我。对于 Pandas, 接触过 Python 数据处理的小伙伴们都应该挺熟悉的,做数据处理不可或缺的一个程序包,最大的特点高效,本篇文章将通过案例介绍一下 Pandas 的一些基础使用!1,读入数据大部分数据都可以用原创 2020-07-02 12:39:47 · 984 阅读 · 0 评论 -
Pandas 基本使用(三) — DataFrame.to_dict() 函数使用!
Pandas 处理数据的基本类型为 DataFrame,数据清洗时不可必然会关系到数据类型转化问题,Pandas 在这方面也做的也非常不错,其中经常用的是 DataFrame.to_dict() 函数之间转化为字典类型;除了转化为字典之外,Pandas 还提供向 json、html、latex、csv等格式的转换:to_dict() 函数基本语法DataFrame.to_dict (sel...原创 2020-03-10 20:18:52 · 32084 阅读 · 0 评论 -
python数据处理——pandas的基本使用(一)
1.1 文本读取,pd.read_csv(),pd.read_table();pandas 读取文本(txt、excel)中会常用到两个函数:**read_csv() 和 read_table() ;两个函数出去读取文本不一样之外,读取文本时前者是以,(逗号)**为分隔符读取,后者以 tab(空格)为 分隔符进行读取的,把读取到的文本转化成二维 Dataframe 数据格式,直观整洁以便后续处...原创 2020-02-10 22:11:14 · 3338 阅读 · 0 评论 -
python数据处理(二)——Pandas之排序处理!
Pandas 提供很方便的一个数据类型— DataFrame,DataFrame 数据类型转换有两种:1,利用Pandas 的 *read_ **函数读取;2,利用pd.DataFrame 进行转换;DataFrame数据类型的一个显著特点:把数据以直观的类似于表格形式展现出来,简单明了:处理上面这种数据时通常会用到排序功能,Pandas 也提供了两种很方便的排序函数。1,针对于某...原创 2020-02-18 17:16:51 · 3192 阅读 · 0 评论