python学习----数据分析
文章平均质量分 80
从最基础的某一个python函数开始,记录我每天的学习记录
之python数据分析篇
小懵牛
python爱好者,初学者
展开
-
Python数据分析经常使用到的生态库
对于使用R语言进行统计计算的用户,肯定不会对DataFrame这个名字感到陌生,因为它源自于R的data.frame对象。的pandas对象是DataFrame,它是一个面向列(column-oriented)的二维表结构,且含有。NumPy(Numerical Python的简称)是Python科学计算的基础包。IPython是Python科学计算标准工具集的组成部分,它将其他所有的东西联系到了一起。强烈建议在阅读本书的过程。会发现,它是使Python成为强大而高效的数据分析环境的重要因素之一。原创 2023-05-10 13:55:21 · 288 阅读 · 0 评论 -
第八篇 pandas中关于.csv文件的操作
一、csv文件的创建直接使用open(path+文件名,**)函数,如果路径path中有该文件名的文件,则直接打开使用,否则直接创建然后在打开供我们操作使用。废话不多说,直接上代码import csv##新建一个csv文件fp=open("L:\\pycharm\\pycharm workingplace\\data_analysis\\pandas\\panda_read\\lianxi1.csv","w",newline='')# fp1=open("L:\\pycharm\\pycharm原创 2020-12-04 21:03:06 · 412 阅读 · 0 评论 -
第七篇 pandas图形可视化
本文主要记录使用pandas中的matplotlib集成库中的plot绘制简单的图形。1、线性图1.1一维的线形图(单线折线图)直接使用s.plot就可以绘制出图形,但是需要一个组件来提供一个展示的平台,于是有了plt.show()(plot中的参数后续继续跟进学习,此处就没有那么深入)import numpy as npfrom pandas import Series,DataFrameimport pandas as pdimport matplotlib.pyplot as plt原创 2020-11-16 22:01:11 · 646 阅读 · 0 评论 -
第六篇 numpy数组索引
1、正向数组索引1.1单个数据索引import numpy as np##一维数组的切片索引arr=np.arange(10) #元素计数从0开始print('原数组:')print(arr)#正向print('输出第0个元素:')print(arr[0]) #输出第0个元素print('输出第2个元素:')print(arr[2]) #输出第2个元素结果:1.2 片段截取import numpy as np##一维数组的切片索引arr=np.arange(10) #原创 2020-11-05 13:28:45 · 636 阅读 · 0 评论 -
第五篇 numpy随机函数
1、在给定的范围内产生随机整数#只能是随机整数#numpy随机函数import numpy as np# 在给定范围内取随机整数arr=np.random.randint(100,200,size=(5,4),dtype=int)print('1、给定双向边界(100,200),产生的随机数:')print(arr)arr1=np.random.randint(200,size=(5,4),dtype=int)print('2、只给定单向边界200,产生的随机数:')# 只能是随机整数原创 2020-11-03 11:04:24 · 506 阅读 · 0 评论 -
第四篇 numpy数组变换
1、数组重塑 #numpy.reshape实质就是把一个已知的数组转换成自己需求的一个不同维度的数组,import numpy as npdata1=[1,5,4,6,1,3,2,5,1,8]data11=np.array(data1) #生成一维数组print('numpy生成的一维数组:')print(data1)print('原数组重塑成2行5列的新数组:')data2=data11.reshape((2,5)) #将原数组重塑成2行5列的新数组data3=da原创 2020-10-29 22:22:02 · 1337 阅读 · 0 评论 -
第三篇 numpy的属性
1、.ndim 秩 ,数据轴的个数同线性代数中的 秩一样data1=np.arange(10)print(data1)#1、.ndim 秩,数据轴的个数print(data1.ndim)print("/n")data2=np.arange(15).reshape(5,3)print(data2)print(data2.ndim)运行结果:2、.shape 数组长度用法:np.shape#numpy属性对象import numpy as npdata1=np原创 2020-10-28 22:45:56 · 457 阅读 · 0 评论 -
第二篇 使用 numpy函数创建数组
zeros函数、zeros_like函数1.1 zeros函数 创建指定长度的全0数组import numpy as np#zeros函数 创建指定长度的全0数组data1=np.zeros(8)#一维print(data1)print('\n')data2=np.zeros((3,4))#二维print(data2)运行结果:1.2 zeros_like 以某一个数组作为参考,生成一个和参考数组一样的全0数组arr=np.random.randint(12).r.原创 2020-10-26 17:26:08 · 1730 阅读 · 0 评论 -
第一篇 使用numpy创建数组(一维、多维)
1、numpy创建一维数组[ 1] 通过列表生成数组import numpy as npdata1=[5,7,9,20]#列表类型 list arr1=np.array(data1) #ndarray数组类型 numpy.ndarrayprint(data1)print(type(data1)) #type输出数据类型#print((data1,type(data1)print(arr1)print(type(arr1))结果如下:我们可以发现数据类型已经发生了改变,li原创 2020-10-26 15:35:09 · 12175 阅读 · 0 评论