ydmichelle的博客

一个professor推荐的一篇文章，感觉有点意思，挑点重点写写，算是给初学者一点方向吧~~~在目标的驱动下，你的学习才会更加精准和高效。那些所有你认为必须的前置知识，都是可以在完成目标的过程中学到的。这里给你一条平滑的、零基础快速入门的学习路径。  1.了解爬虫的基本原理及过程2.Requests+Xpath 实现通用爬虫套路3.了解非结构化数据的存储

使用groupby()可以给数据分组，数据分组的好处是你可以一次性计算得到所有分组中的统计量，比如想计算男女学生的平均成绩分别是多少，可以先按照男女分组，然后计算平均数，我们不用计算完女生然后在计算男生，实际上是一次性完成的，这就是分组的好处。先引入模块，并创建一个DataFrame打印出DataFrame来查看一下结果我们可以以A列进行分组，使用group

上一篇我们讲了pandas实现的一个简单的计数统计，今天我们还是针对同样的数据，统计一下各个专业高考成绩在520以上的学生个数和百分比。下面看看具体的实现过程：先引入pandas，然后读取csv数据我们先筛选出高考成绩在520以上的学生print打印数据的前三行为：然后根据得到的good数据，统计各个专业学生的人数利用print来查看

经过之前的学习，我们现在可以做一个简单的统计了，比如计数，这是最简单的统计，我们现在就使用pandas统计一下数据中各个专业学生的数目：先来引入pandas，并且从csv文件中读取数据查看一下前三行数据，看读取数据是否正确选择数据：之前也有相关的教程，假如现在我们要统计【专业名称】这一列，那么需要学会选择它：计数统计我们使用：save_count

很多数据是从网上下载而来，数据的格式可能是csv，那么pandas可以很容易的从csv格式的文件中读取数据，下面我们来看看具体的过程：引入pandas使用pandas下的read_csv方法，读取csv文件，参数是文件的路径，这是一个相对路径，是相对于当前工作目录的，那么如何知道当前的工作目录呢？使用os.getcwd()方法获取当前工作目录读取

今天还是用到了DataFrame，如果你用一下它的筛选数据的功能，你会大吃一惊，它非常擅长筛选数据，可以极大提高你的工作效率，废话不多说，下面看看几个进行复杂数据筛选的例子。首先我们创建一个DataFrame，该DataFrame包含的数据如下假如我们想要筛选D列数据中大于0的行使用&符号可以实现多条件筛选，当然是用"|"符号也可以实现多条件，只不过他是或的

DataFrame数据框允许我们使用iloc方法来像操作array（数组）一样对DataFrame进行切片操作，其形式上，跟对数组进行切片是一样的，我们下面来演示一下一些典型的切片操作：先创建一个6行4列的DataFrame数据框使用iloc方法，提取第四行数据：我们可以看一下，这种方法得到的返回值是一个series数据返回4-5行，1-2列数据

上一篇文章介绍了如何创建和查看DataFrame数据，这篇文章讲一下如何选择DataFrame中的数据，还是用例子来说明问题。先来看一下今天用到的数据框的内容假如我们要选择A列的数据进行操作：df['a']还可以使用数组的切片操作，但是注意了，切片得到的是行数据如果你想使用这个方法得到列，那就会出现错误我们还可以使用行标签来指定输出的

pandas是python环境下最有名的数据统计包，而DataFrame翻译为数据框，是一种数据组织方式，这么说你可能无法从感性上认识它，举个例子，你大概用过Excel，而它也是一种数据组织和呈现的方式，简单说就是表格，而在在pandas中用DataFrame组织数据，如果你不print DataFrame，你看不到这些数据，下面我们来看看DataFrame是如何使用的。首先是引入

“谁来给我讲讲Python？”第一天学习了Python的基本操作，以及几种主要的容器类型，今天学习python的函数、循环和条件、类，这样才算对Python有一个大致的了解。今天的学习大纲如下：三、函数1、定义函数四、循环与条件1、if语句2、while true/break语句3、for语句4、列表推导式五、类1、闲

###接下来要给大家介绍的系列中包含了Python在量化金融中运用最广泛的几个Library:numpyscipypandasmatplotlib会给初学者一一介绍###NumPy 简介####一、NumPy是什么？量化分析的工作涉及到大量的数值运算，一个高效方便的科学计算工具是必不可少的。Python语言一开

“谁来给我讲讲Python？”作为无基础的初学者，只想先大概了解一下Python，随便编个小程序，并能看懂一般的程序，那些什么JAVA啊、C啊、继承啊、异常啊通通不懂怎么办，于是我找了很多资料，写成下面这篇日记，希望以完全初学者的角度入手来认识Python这个在量化领域日益重要的语言一 熟悉基本在正式介绍python之前，了解下面两个基本操作对后面的学习是有好处的：

####第一篇：基本数据结构介绍####一、Pandas介绍终于写到了作者最想介绍，同时也是Python在数据处理方面功能最为强大的扩展模块了。在处理实际的金融数据时，一个条数据通常包含了多种类型的数据，例如，股票的代码是字符串，收盘价是浮点型，而成交量是整型等。在C++中可以实现为一个给定结构体作为单元的容器，如向量（vector，C++中的特定数据结构）

python数据分析工具pandas中DataFrame和Series作为主要的数据结构. 本文主要是介绍如何对DataFrame数据进行操作并结合一个实例测试操作函数。 1）查看DataFrame数据及属性df_obj = DataFrame() #创建DataFrame对象df_obj.dtypes #查看各行的数据格式df_obj['列名'].astype(int)#转换某列

Python中的pandas模块进行数据分析。接下来pandas介绍中将学习到如下8块内容：1、数据结构简介：DataFrame和Series2、数据索引index3、利用pandas查询数据4、利用pandas的DataFrames进行统计分析5、利用pandas实现SQL操作6、利用pandas进行缺失值的处理7、利用pandas实现Excel的数据透视表功

100个Python练手小程序，学习python的很好的资料，覆盖了python中的每一部分，可以边学习边练习，更容易掌握python。【程序1】 题目：有1、2、3、4个数字，能组成多少个互不相同且无重复数字的三位数？都是多少？ 1.程序分析：可填在百位、十位、个位的数字都是1、2、3、4。组成所有的排列后再去       掉不满足条件的排列。 2.程序源代码：for

Python正则表达式¶正则表达式是处理字符串的强大工具，拥有独特的语法和独立的处理引擎。我们在大文本中匹配字符串时，有些情况用str自带的函数(比如find, in)可能可以完成，有些情况会稍稍复杂一些(比如说找出所有“像邮箱”的字符串，所有和julyedu相关的句子)，这个时候我们需要一个某种模式的工具，这个时候正则表达式就派上用场了。说起来正则表达式效率上可能不如str自