Pandas
文章平均质量分 90
这么神奇
少年!努力吧~~
展开
-
【Pandas总结】第十节 Pandas 合并数据集_pd.pivot_table()
数据透视表是数据分析的最重要工具之一,熟悉Excel的同学应该知道,Excel 最重要的两个功能就是vlookup 和 pivot, 这两个功能对应到Pandas就是pd.merge() 与 pd.pivot_table(),对应到我们的教程就是上一节:【Pandas总结】第八节 Pandas 合并数据集_pd.merge(),与这一节【Pandas总结】第九节 Pandas 合并数据集_pd.pivot_table();所以,这一节是学习Pandas过程中最重要的一个函数,需要着重学习;原创 2022-10-23 23:32:27 · 3853 阅读 · 1 评论 -
【Pandas总结】第九节 Pandas_累计与分组 pd.groupby()
一、数据准备二、累计值计算2.1 df.describe()2.2 常用统计值三、分组 pd.groupby()四、更多的使用方法`aggregate()`,`filter()`,`transform()`,`apply()`4.1 `aggregate()`4.2 `filter()`4.3 `transform()`4.4 `apply()`原创 2022-10-02 22:27:03 · 4509 阅读 · 1 评论 -
【Pandas总结】第八节 Pandas 合并数据集_pd.merge()
这一节非常的重要,因为Pandas中的数据集合并,最常用的方法就是 merge, 如果大家对数据库熟悉的话,那么会觉得 merge 非常容易理解,因为这个的使用和数据库的合并几乎完全一样。inner、outer、left、right这四种合并方式的理解,下面我们来一起看pd.merge()的使用方法吧;原创 2022-09-21 19:18:02 · 6026 阅读 · 0 评论 -
【Pandas总结】第七节 Pandas 合并数据集_pd.concat()
concat 函数在通常情况下都只用于上下堆叠合并,所以其实我们只要知道上下堆叠合并,这一种使用方法就完全OK啦~以上为个人理解,如有错误,还请不吝赐教,多多指导~~原创 2022-09-17 19:11:30 · 5460 阅读 · 2 评论 -
【Pandas总结】第六节 Pandas 添加列
在Pandas数据处理时,经常要用到添加数据列的方式;这篇文章主要解决的就是在Pandas中添加列的问题;常用的添加列的方法有如下几种:直接赋值,用`df.apply()` 方法, 用`df.assign()`方法,条件分组后,分别赋值;原创 2022-09-16 11:08:34 · 5279 阅读 · 0 评论 -
【Pandas总结】第五节 Pandas 数据查询方法总结_df.loc()总结
如果说Pandas最重要的方法是什么,毫无疑问就是查询数据;所以,这节的内容应当是Pandas的核心知识点。能够按我们的要求查询出所需的数据,是我们使用Pandas的最重要功能!综上,这节内容十分十分十分十分的重要。原创 2022-09-15 12:33:19 · 12787 阅读 · 1 评论 -
【Pandas总结】第四节 Pandas 缺失值处理(通过实例进行演示)
现实中,经常有一些非常漂亮的Excel, 例如下面的例子中的Excel。这种Excel虽然好看,但是却不满足数据处理的要求,数据处理时,需要的是一个标准的表格,不包含合并单元格等这些格式;可以看到,读出的数据并非是我们想要的,我们需要的数据只有蓝色区域内,这时我们需要对读入的数据进行处理;首先我们需要把无用的行去掉,这里可以使用。:用于检测dataframe 或者 series。可以看到,全部为空值的列没有了;与去除列的方式一样,只要将。处理后:不好看,但好用!来处理全部为空值的列;来处理全部为空值的列;原创 2022-09-14 14:27:15 · 4544 阅读 · 0 评论 -
【Pandas总结】第三节 Pandas 的显示设置(总结所有常用显示设置)
本文总结所有Pandas 常用的显示设置,相信对后续Pandas的使用会有很大帮助;原创 2022-09-09 16:01:31 · 9913 阅读 · 5 评论 -
【Pandas总结】第二节 Pandas 的数据读取_pd.read_csv()的使用详解(非常全面,推荐收藏)
pandas对纯文本的读取提供了非常强力的支持,参数有四五十个。这些参数中,有的很容易被忽略,但是在实际工作中却用处很大。原创 2022-09-09 13:35:12 · 87857 阅读 · 4 评论 -
【Pandas总结】第一节 Pandas 简介与Series,DataFrame的创建
Pandas是使用Python语言开发的用于数据处理和数据分析的第三方库。它擅长处理数字型数据和时间序列数据,当然文本型的数据也能轻松处理。Pandas 可以处理的数据格式非常多,常见的数据文件格式都可以快速导入,比如 CSV、JSON、SQL、Microsoft Excel 导入数据。由于Pandas对数据的强大处理能力,被广泛的应用于金融,数据处理等方面,是大家学习数据处理时,不可避免的存在;如果想要学好数据处理,就一起来学习Pandas吧!!!总结:Pandas 在数据处理方面很强大!原创 2022-09-07 13:44:20 · 6268 阅读 · 0 评论