- 博客(7)
- 收藏
- 关注
RSS订阅原创 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