![](https://img-blog.csdnimg.cn/20201008145211230.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
Pandas
Pandas
陈陈陈Chann
这个作者很懒,什么都没留下…
展开
-
Pandas(五):分组聚合
点击跳转 《Pandas系列目录》 文章目录1. groupby方法拆分数据2. agg方法聚合数据3. apply方法聚合数据4. transform方法聚合数据 1. groupby方法拆分数据 该方法提供的是分组聚合步骤中的拆分功能,能根据索引或字段对数据进行分组 DataFrame.groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=False, **kwargs)原创 2020-10-08 15:21:44 · 1039 阅读 · 1 评论 -
Pandas(四):datetime
点击跳转 《Pandas系列目录》 文章目录1. Timestamp2. DatetimeIndex与PeriodIndex3. 加减时间数据 1. Timestamp 时间类中最基础的一种,也是最常用的。多数情况下,时间相关的字符串都会转换成Timestamp to_datetime(),能够实现这一目标 order['lock_time'] = pd.to_datetime(order['lock_time']) Timestamp类型时间是有限制的 print("min:", pd原创 2020-10-08 15:17:58 · 524 阅读 · 0 评论 -
Pandas(三):DataFrame
点击跳转 《Pandas系列目录》 文章目录1. 创建DataFrame2. DataFrame基本操作3. 分析DataFrame数据 1. 创建DataFrame pandas.DataFrame(data=None, index=None, columns=None) data ndarray、list或dict index 行索引 columns 列名列表 import pandas as pd d = [[1.3, 2.0, 3, 4], [2, 4, 1, 4],原创 2020-10-08 15:13:45 · 676 阅读 · 0 评论 -
Pandas(二):Series
点击跳转 《Pandas系列目录》 文章目录1. 创建Series2. Series索引3. 基本运算 pandas提供的一维数组,由索引和值两部分组成,类似字典,支持字典的一些方法 值的类型可以不同 如果在创建时没有明确指定索引,则会自动使用从0开始的非负整数作为索引 1. 创建Series pandas.Series(data=None, index=None, dtype=None, name=None, copy=False, fastpath=False) import pandas a原创 2020-10-08 15:11:07 · 340 阅读 · 0 评论 -
Pandas系列目录
点击标题即可跳转 Pandas(一):读写csv与excel文件原创 2020-10-08 15:06:34 · 336 阅读 · 0 评论 -
Pandas(一):读写csv与excel文件
点击跳转 《Pandas系列目录》 文章目录1. 读取csv文件2. 存储csv文件3. 读取excel文件4. 存储excel文件 pandas是强大的数据分析和处理工具 pandas常用的数据结构 Series:带标签的一维数组 DatetimeIndex:时间序列 DataFrame:带标签且大小可变的二维表格结构 Panel:带标签且大小可变的三维数组 pandas内置了10余种数据源读取函数和对应的数据写入函数 csv文件 Excel文件 1. 读取csv文件 使用原创 2020-10-08 15:05:57 · 1039 阅读 · 0 评论