- 博客(7)
- 收藏
- 关注
原创 Pandas时间序列代码解释 911data(1)
cate_list=list(set(【i【0】 for i in temp_list】))此处set()为去除重复值(此处为了获取类别列表,类别一定有重复值)i为:前面title列split以后的列表,i为这个列表中的每一个元素若 print以上的代码,则出来的会是这个数据里一共有几个分类!cate_df=pd.DataFrame(np.array(cate_list).reshape((df.shape【0】,1)),colunms=【“cate”】)第一步:把得到的catelist列..
2021-03-11 10:42:13
237
原创 Pandas其他统计方法(3)
数据合并之joinjoin:默认情况下,把行索引相同的数据合并到一起数据合并之mergemerge:按照指定的列把数据按照一定的方式合并到一起默认的合并方式how:inner取交集 outer则为并集,NaN补全若 merge left左边为准,NaN补全。若 merge right以右边为准,NaN补全分组和聚合df.groupby(by=“columns_name”)grouped = df.groupby(by=“columns_name”)grouped是一个DataF..
2021-03-01 21:27:39
173
原创 Pandas之DataFrame(2)
【DataFrame对象既有行索引,又有列索引】行索引,表明不同行,叫index,0轴,axis=0列索引,表名不同列,叫columns,axis=1选择行与列df.sort_values(by=“”,ascending=False)by指以哪一列作为分类的依据。df.sort_values【:100】指前100个使用次数最多的。若要具体选择某一列,则用df【“列索引”】若要选择具体某一行,则用df【:100】【“列索引”】更优质的方法:1.df.loc 通过标签索引行数据2.df.i
2021-03-01 19:41:59
173
1
原创 Pandas之Series (1)
常用数据类型:1)Series 一维,带标签数组2)Dataframe二维,Series容器Series创建import stringt=pd.Series(np.arange(10),index=list(string.ascii_uppercase[:10]))【其中可见index为一个A-J的列表,即为从0-9数字的查找标签】输出结果:A 0B 1C 2D 3…J 9type(t)为pandas.core.series.Series另外一个方式:a={string.asc
2021-02-28 23:13:12
183
原创 numpy初学
数组创建数组np.array([1,2,3])np.array(range(1,6))或者np.arange(1,6)创建指定数据类型np.arrayz([1,0,1,0],dtype=‘bool’)修改数据类型a.astype(“i1”)#i1相当于int8修改浮点型的小数位数np.round(b,2)#保留两位小数查看数组的形状a.shape修改数组的形状a.reshape(3,4)关于数组的形状和维度([])一个维度 ([[]])两个维度若b=(【【1,2,3】,【2,3,4
2021-02-25 23:21:40
182
原创 PYTHON数据库绘图(2)
xticks/yticks:使xy轴的显示更加完美好看。未统计过的数据用直方图更适合(hist)。绘制散点图主要:plt.scatter(x,y)看不同维度之间的关联程度or看一些数据的离散程度绘制条形图主要:plt.bar(x,y)用于频率统计or数量统计绘制直方图最难的部分,首先,组距【图上每两个相邻的小点之间的距离】要适当。根据数据的具体情况调整组距。组数=max(a)-min(a)【也叫极差】/组距一般来说能够使用plt.hist方法的的是那些没有统计过的数据。一般应用于的场
2021-02-22 23:18:44
229
原创 PYTHON数据库画图(1)
@matplotlib 折线图画图plt.plot使用 from matplotlib import pyplot as plt设置图片大小fig=plt.figure(figsize=(),dpi=)x=range()y=【1,2,3,……】图像模糊时可以传入dpi的参数。#画图,保存,显示图片plt.plot(x,y)plt.savefig(“”)plt.show#如何设置x的刻度_xtick_labels=[i/2 for i in range()]plt.xticks(
2021-02-21 20:10:16
854
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人