2-flask之路由和蓝图
摘要：恢复内容开始 一：路由 1：查询路由信息 1.1 命令行方式 flask routes 1.2 在程序中获取 在应用中的url_map属性中保存着整个Flask应用的路由映射信息，可以通过读取这个属性获取路由信息 print(app.url_map) 如果想在程序中遍历路由信息，可以采用如下方式 f
阅读全文
posted @ 2021-06-10 22:30
随笔分类 - pandas
专门用于数据挖掘的开源python库
8-pandas 之分组聚合
摘要：1 什么分组与聚合 2 分组API DataFrame.groupby(key, as_index=False) key:分组的列数据，可以多个 案例:不同颜色的不同笔的价格数据 col =pd.DataFrame({'color': ['white','red','green','red','gr
阅读全文
posted @ 2021-06-08 17:37
7-pandas 之交叉表与透视表
摘要：crosstab(交叉表) 交叉表：交叉表用于计算一列数据对于另外一列数据的分组个数(寻找两个列之间的关系) pd.crosstab(value1, value2) DataFrame.pivot_table([], index=[]) 案例分析 1 数据准备 准备两列数据，星期数据以及涨跌幅是好是
阅读全文
posted @ 2021-06-08 17:11
6-pandans之数据离散化
摘要：1 为什么要离散化 连续属性离散化的目的是为了简化数据结构，数据离散化技术可以用来减少给定连续属性值的个数。离散化方法经常作为数据挖掘的工具。 2 什么是数据的离散化 连续属性的离散化就是在连续属性的值域上，将值域划分为若干个离散的区间，最后用不同的符号或整数 值代表落在每个子区间中的属性值。 离散
阅读全文
posted @ 2021-06-08 16:04
5-pandas 缺失值的处理
摘要：1 如何处理nan 判断数据是否为NaN： pd.isnull(df), pd.notnull(df) 处理方式： 存在缺失值nan,并且是np.nan: 1、删除存在缺失值的:dropna(axis='rows') 注：不会修改原数据，需要接受返回值 2、替换缺失值:fillna(value, i
阅读全文
posted @ 2021-06-08 15:40
4-pandas 对文件的读取和存储
摘要：我们的数据大部分存在于文件当中，所以pandas会支持复杂的IO操作，pandas的API支持众多的文件格式，如CSV、SQL、XLS、JSON、HDF5。 1 CSV 1.1 read_csv pandas.read_csv(filepath_or_buffer, sep =',' ) filep
阅读全文
posted @ 2021-06-08 15:17
3-DataFrame 运算
摘要：1 算术运算 add(other) 比如进行数学运算加上具体的一个数字 data['open'].add(1) 2018-02-27 24.53 2018-02-26 23.80 2018-02-23 23.88 2018-02-22 23.25 2018-02-14 22.49 sub(other
阅读全文
posted @ 2021-06-08 14:08
2-pandas 基本操作
摘要：本文的文件链接 https://files.cnblogs.com/files/blogs/511107/stock_day.zip # 读文件 data = pd.read_csv("./data/stock_day.csv") # 删除一些数据 data = data.drop(["ma5","
阅读全文
posted @ 2021-06-08 11:27
1-pandas介绍
摘要：1：pandas 介绍 2008年WesMcKinney开发出的库 专门用于数据挖掘的开源python库 以Numpy为基础，借力Numpy模块在计算方面性能高的优势 基于matplotlib，能够简便的画图 独特的数据结构 2：为什么使用pandas 便捷的数据处理能力 读取文件方便 封装了Mat
阅读全文
posted @ 2021-06-08 10:51
