python数据科学
faith_is
这个作者很懒,什么都没留下…
展开
-
Numpy 数组的合并
Numpy 数组的合并。合并Seies 与 DataFrame 与合并Numpy数组基本相同,numpy是用np.concatenate函数将两个或两个以上的数组合并成一个数组。原创 2023-04-19 10:10:18 · 841 阅读 · 0 评论 -
Pandas多级索引的数据累积方法
Pandas多级索引的数据累积方法。Pandas自带的数据累积方法,比如mean()、sum()、max()。而对于层级索引数据,可以设置参数level实现对数据子集的累积操作。这种语法其实就是GroupBy功能的快捷方式。原创 2023-04-15 08:25:36 · 224 阅读 · 0 评论 -
Pandas多级索引行列转换
Pandas多级索引行列转换。使用多级索引的关键是掌握有效数据转换的方法。Pandas有很多和stack()和unstack()类似的用法,可以合理的控制层级行列索引和在内容上保持不变的同时,按照需求进行行列转换。原创 2023-04-14 06:18:44 · 616 阅读 · 0 评论 -
Pandas多级索引的取值与切片
Pandas多级索引的取值与切片。对MultiIndex的取值和切片操作很直观,你可以直接把索引看成额外增加的维度。我们先来介绍Series多级索引的取值与切片方法,再介绍DataFrame的用法。多级索引的数据交互方法有很多,只介绍Series的6种和DataFrame的4种。原创 2023-04-13 10:17:14 · 1468 阅读 · 0 评论 -
Pandas多级索引的创建方法
Pandas多级索引的创建方法。为Series或DataFrame创建多级索引最直接的办法就是将index参数设置为至少二维的索引数组。分为隐式和显式的创建MultiIndex,隐式的MultiIndex的创建工作将在后台完成,显式的索引可以用pd.MultiIndex的方法更加灵活地构建多级索引。原创 2023-04-12 08:52:20 · 784 阅读 · 0 评论 -
Pandas多级索引Series
Pandas多级索引Series,在实践中,更直观的形式是通过层级索引(hierarchical indexing,也被称为多级索引,multi-indexing)配合多个有不同等级的一级索引一起使用,这样就可以将高维数组转换成类似一维Series和二维DataFrame对象的形式。原创 2023-04-11 10:35:27 · 268 阅读 · 0 评论 -
Pandas处理缺失值
Pandas中四种处理缺失值的方法,分别是isnull() 、notnull() 、dropna() 、fillna()原创 2023-04-07 20:24:39 · 631 阅读 · 1 评论 -
Pandas中NaN与None的差异
Pandas中NaN与None可以等价交换原创 2023-04-04 12:42:05 · 110 阅读 · 1 评论 -
NaN:数值类型的缺失值
NaN:数值类型的缺失值和numpy的处理方法原创 2023-04-04 11:56:54 · 101 阅读 · 1 评论 -
Python对象类型的None缺失值
Python对象类型的None缺失值,以及累积运算会出现的问题原创 2023-04-04 09:45:21 · 147 阅读 · 0 评论