yangxiaodong88的博客

背景这是一个最好的时代，也是最有机遇的时代。从一无所有到翻身改变，学习是捷径的捷径。数据方面我很感兴趣，现在工作中没有用到，但是我想感受下，就学习了。 现在学习数据分析，先从时代背景上来说，这是一个数据的时代，数据的重要性我 就不说了， 每天产生的数据很多，要让这些数据有意义就要学习相关的技术了。发明轮子的活很多人都已经做了。我现在能做的就是先把别人发明的轮子给用好。 个人认为，干技术的一天不

背景写一个脚本读取。csv 文件存入数据库，本来是想使用DictReader 来直接生成字典，sqlalcharm 直接插入数据库，但是由于文件是产品使用，填写，都是英文 列头 看不太明白，行列也不是可以直接使用的设计。如果按照容易插入数据但是 这样使用文档的时候不方便。所以我就转换了一些。御用到了 numpy 多维数组，按照列每列都是一个 数据对象。使用到二维数组，通过坐标来读取下

表格型数据结构DataFrame 是一个表格型数据结构， 她含有一组有序的列， 每列可以是不同的值类型。（数值， 字符串， 布尔型等）。DataFrame既有行索引也有列索引，他可以看成是由Series组成的字典（共用同一个索引）。DataFrame 中的数据是以一个或者多个二位块存放的（而不是列表）不是列表， 字典或者别的一维数据结构。构建DataFrame1 最常用的是直接传入...

综合学习分析索引对象pandas 中的索引对象负责管理轴标签和其他元数据（比如轴名称）from pandas import Seriesobj = Series(range(3), index=['a', 'b', 'c'])index = obj.indexprint(index) # Index(['a', 'b', 'c'], dtype='object')prin...

函数应用映射numpy 的ufuncs(元素级数组方法) 也可以用来操作pandas对象frame = DataFrame(np.arange(12.).reshape((4, 3)), columns=list('bde'), index=['one', 'two', 'three', 'four'] )pr...

Series 的常用方法属性等获取Series 中的值1.obj = Series([2, 4, 7])print(obj)print(obj[0])print(obj[1])print(obj[2])输出# 0 2# 1 4# 2 7# dtype: int64# 2# 4# 72，有index 索引 获取值obj2 = Se...

DataFrame 合并from pandas import DataFrame, Seriesimport pandas as pddf1 = DataFrame({'key': ['b', 'b', 'a', 'c', 'a', 'a', 'b'], 'data1': range(7) })df2 = DataF...

查看数据库连接select * from information_schema.processlist order by Time desc;HOST 字段 后面的端口号很重要通过端口号可以查到 是哪个线程在占用这个连接线程 在程序运行的机器上面 查看进程端口号 查看到相关进程信息 netstat -apn |grep 45392效果tcp 0 ...