![](https://img-blog.csdnimg.cn/bb2ce85392a94d6180501fb3dda0a124.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
利用python进行数据分析——啃书
文章平均质量分 64
学习《利用python进行数据分析》的记录
瞳恩Dawn
记录贴记录贴
展开
-
利用python进行数据分析——pandas
pandas介绍原创 2022-08-30 00:16:38 · 246 阅读 · 0 评论 -
利用python进行数据分析——numpy
numpy函数记录原创 2022-08-26 15:21:26 · 194 阅读 · 0 评论 -
python补充基础知识
python基础的补充,记录各种函数方便查询原创 2022-08-25 01:21:13 · 221 阅读 · 0 评论 -
Socket编程基础网络知识
套接字编程所需要的一些基本网络知识原创 2022-06-10 21:24:35 · 199 阅读 · 0 评论 -
使用Python进行多任务_线程篇
使用Python进行多任务_线程篇原创 2022-06-10 20:16:45 · 344 阅读 · 0 评论 -
使用Python进行多任务_进程篇
使用python实现多进程任务原创 2022-06-10 20:16:00 · 671 阅读 · 0 评论 -
Pandas_2:Pandas中DataFrame类
import pandas as pdpd.DataFrame( )表示矩阵数据表,是已排序的列的集合每一列的值的类型可以不同使用字典创建DataFramedata = {'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada', 'Nevada'], 'year': [2000, 2001, 2002, 2001, 2002, 2003], 'popu': [1.5, 1.7, 3.6, 2.4, 2.9, 3原创 2022-05-12 19:06:07 · 370 阅读 · 0 评论 -
Pandas_1:Pandas中Series类
Pandas介绍经常和别的工具一起使用,特别是Scipy,Numpy以及Matplotlib支持Numpy风格的的数组计算Pandas适合处理表格/异质型的数据,但Numpy适合处理同质型的Pandas数据结构介绍Series类型以为数组型对象,包含一个:值序列,一个数据标签(index:索引)如果不指定,默认索引就是从0到N-1通过values和index分别获得值与索引import pandas as pdobj = pd.Series([4, 7, -5, 3])obj原创 2022-05-12 19:05:20 · 247 阅读 · 0 评论 -
Numpy_4:文件的I/O操作与线性代数linalg库
使用数组进行文件输入与输出numpy可以将数据以文本/二进制的方式存入/取出于硬盘但一般情况下,都比较喜欢用pandas来输入输出np.save( ) and np.load( )import numpy as nparr = np.arange(10)# 此处不需要写后缀,会自动补全np.save('./arr_10', arr)后缀名是.npy文件arr_10 = np.load('./arr_10.npy')arr_10array([0, 1, 2, 3, 4, 5,原创 2022-05-07 16:21:37 · 263 阅读 · 0 评论 -
Numpy_3:使用数组进行面向数组编程
import numpy as np使用数组进行面向数组编程向量化:利用数组表达式来代替显式循环的方法速度会快1~2个量级广播机制是向量化的一种应用np.meshgrid(arr_1, arr_2)功能把输入的两个向量,匹配成可以一一组成的坐标点points = np.arange(-5, 5, 0.01)small_points_1 = np.array([1, 2, 3])small_points_2 = np.array([7, 8])np.meshgrid(small原创 2022-05-04 12:58:28 · 151 阅读 · 0 评论 -
Numpy_2:通用函数
import numpy as np通用函数就是对narray数组逐元素操作的函数arr = np.arange(10)arrarray([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])开方np.sqrt(arr)array([0., 1., 1.41421356, 1.73205081, 2.,2.23606798, 2.44948974, 2.64575131, 2.82842712, 3.])指数np.exp(arr)array([1.0000000原创 2022-05-04 12:53:23 · 367 阅读 · 0 评论 -
Numpy_1:创建-算术-切片索引-布尔索引-神奇索引-转置与内积
Numpy可以像标量计算一样计算数组在一个ndarray里,每一个元素都是相同类型每一个数组都有一个属性shape,dtype,ndimimport numpy as np创建Numpydata1 = [6, 7.5, 8, 0, 1]arr1 = np.array(data1)arr1array([6., 7.5, 8., 0., 1.])print(arr1.shape)print(arr1.ndim)print(arr1.dtype)(5,)1float64原创 2022-05-04 12:46:02 · 242 阅读 · 0 评论 -
Jupyter notebook基础命令
在这里不叙述如何配置Jupyter Notebook,使用环境为Macos + python 3.8运行一个单元格快捷键为:Shift + Enter(运行一个单元格并选择下一个)内省:一个变量名 的前/后 使用 ? 可以显示有关该对象的概要信息an_apple?Type: intString form: 1Docstring: int([x]) -> integerint(x, base=10) -> integerConvert a number or原创 2022-02-12 16:37:45 · 564 阅读 · 0 评论