提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档
前言
提示:这里可以添加本文要记录的大概内容:
例如:随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容。
提示:以下是本篇文章正文内容,下面案例可供参考
一、pandas是什么?
h=0:1:120000;
T=1.4*10^(-13)*(h.^3)-8.85*10^(-9)*h.^2-1.245*10^(-3).*h+205.3645;
p=559.351005946503*exp(-0.000105*h);
rou=p./(188.95110711075*T);
plot(rou,h)
xlabel('密度(kg/m^3)');
ylabel('高度(m)');
grid on;
plot(T,h)
xlabel('温度(K)');
ylabel('高度(m)');
grid on
示例:pandas 是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的。
二、使用步骤
1.引入库
代码如下(示例):
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.filterwarnings('ignore')
import ssl
ssl._create_default_https_context = ssl._create_unverified_context
2.读入数据
代码如下(示例):
h=0:1:120000;
T=1.4*10^(-13)*(h.^3)-8.85*10^(-9)*h.^2-1.245*10^(-3).*h+205.3645;
p=559.351005946503*exp(-0.000105*h);
rou=p./(188.95110711075*T);
plot(rou,h)
xlabel('密度(kg/m^3)');
ylabel('高度(m)');
grid on;
plot(T,h)
xlabel('温度(K)');
ylabel('高度(m)');
grid on
该处使用的url网络请求的数据。
总结
提示:这里对文章进行总结:
例如:以上就是今天要讲的内容,本文仅仅简单介绍了pandas的使用,而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。