PythonGirl - 博客园

2019年11月2日

摘要： Pandas提供API来自定义其行为的某些方面，大多使用来显示。 API由五个相关函数组成。它们分别是: get_option() set_option() reset_option() describe_option() option_context() 常用参数，请参考下表: 编号参数描述 1 阅读全文

posted @ 2019-11-02 13:01 PythonGirl 阅读(383) 评论(0) 推荐(0) 编辑

Pandas | 11 字符串函数

摘要：在本章中，我们将使用基本系列/索引来讨论字符串操作。在随后的章节中，将学习如何将这些字符串函数应用于数据帧(DataFrame)。 Pandas提供了一组字符串函数，可以方便地对字符串数据进行操作。最重要的是，这些函数忽略(或排除)丢失/NaN值。几乎这些方法都使用Python字符串函数(请参阅阅读全文

posted @ 2019-11-02 11:19 PythonGirl 阅读(579) 评论(0) 推荐(0) 编辑

2019年11月1日

Pandas | 10 排序

摘要： Pandas有两种排序方式，它们分别是：按标签按实际值 import pandas as pd import numpy as np df=pd.DataFrame(np.random.randn(10,2),index=[1,4,6,2,3,5,9,8,0,7],columns=['col2' 阅读全文

posted @ 2019-11-01 21:27 PythonGirl 阅读(1326) 评论(0) 推荐(0) 编辑

Pandas | 09 迭代

摘要： Pandas对象之间的基本迭代的行为取决于类型。当迭代一个系列时，它被视为数组式，基本迭代产生这些值。其他数据结构，如：DataFrame和Panel，遵循类似惯例，迭代对象的键。简而言之，基本迭代(对于i在对象中)产生 - Series - 值 DataFrame - 列标签 Pannel - 阅读全文

posted @ 2019-11-01 20:08 PythonGirl 阅读(227) 评论(0) 推荐(0) 编辑

2019年10月31日

Pandas | 08 重建索引

摘要：重新索引会更改DataFrame的行标签和列标签。可以通过索引来实现多个操作：重新排序现有数据以匹配一组新的标签。在没有标签数据的标签位置插入缺失值(NA)标记。 import pandas as pd import numpy as np N=20 df = pd.DataFrame({ ' 阅读全文

posted @ 2019-10-31 22:44 PythonGirl 阅读(616) 评论(0) 推荐(0) 编辑

Pandas | 07 函数应用

摘要：要将自定义或其他库的函数应用于Pandas对象，有三个重要的方法，下面来讨论如何使用这些方法。使用适当的方法取决于函数应用于哪个层面（DataFrame，行或列或元素）。表合理函数应用：pipe() 行或列函数应用：apply() 元素函数应用：applymap() 一、对整个DataFrame执阅读全文

posted @ 2019-10-31 21:45 PythonGirl 阅读(297) 评论(0) 推荐(0) 编辑

2019年10月30日

Pandas | 06 描述性统计

摘要：有很多方法用来集体计算DataFrame的描述性统计信息和其他相关操作。其中大多数是sum()，mean()等聚合函数。一般来说，这些方法采用轴参数，就像ndarray.{sum，std，...}，但轴可以通过名称或整数来指定：数据帧(DataFrame) - “index”(axis=0，默阅读全文

posted @ 2019-10-30 22:12 PythonGirl 阅读(997) 评论(0) 推荐(0) 编辑

2019年10月29日

Pandas | 05 基本功能

摘要：到目前为止，我们了解了三种Pandas数据结构以及如何创建它们。接下来将主要关注数据帧(DataFrame)对象，因为它在实时数据处理中非常重要，并且还讨论其他数据结构。一、系列基本功能编号属性或方法描述 1 axes 返回行轴标签列表。 2 dtype 返回对象的数据类型(dtype)。 3 阅读全文

posted @ 2019-10-29 21:42 PythonGirl 阅读(299) 评论(0) 推荐(0) 编辑

2019年10月28日

Pandas | 04 Panel 面板

摘要：面板(Panel)是3D容器的数据。面板数据一词来源于计量经济学，部分源于名称：Pandas - pan(el)-da(ta)-s。 3轴(axis)这个名称旨在给出描述涉及面板数据的操作的一些语义。它们是 - items - axis 0，每个项目对应于内部包含的数据帧(DataFrame)。 m 阅读全文

posted @ 2019-10-28 22:54 PythonGirl 阅读(530) 评论(0) 推荐(0) 编辑

Pandas | 03 DataFrame 数据帧

摘要：数据帧(DataFrame)是二维数据结构，即数据以行和列的表格方式排列。数据帧(DataFrame)的功能特点：潜在的列是不同的类型大小可变标记轴(行和列) 可以对行和列执行算术运算结构体假设要创建一个包含学生数据的数据帧。参考以下图示 - 可以将上图表视为SQL表或电子表格数据表示。阅读全文

posted @ 2019-10-28 22:15 PythonGirl 阅读(479) 评论(0) 推荐(0) 编辑

Pandas | 02 Series 系列

摘要：系列(Series)是能够保存任何类型的数据(整数，字符串，浮点数，Python对象等)的一维标记数组。轴标签统称为索引。 pandas.Series Pandas系列可以使用以下构造函数创建 - 可以使用各种输入创建一个系列，如：数组字典标量值或常数创建一个空的系列创建一个基本系列，是一阅读全文

posted @ 2019-10-28 20:46 PythonGirl 阅读(277) 评论(0) 推荐(0) 编辑

Pandas | 01 数据结构

摘要： Pandas的三种数据结构：系列(Series) 数据帧(DataFrame) 面板(Panel) 这些数据结构，构建在Numpy数组之上，这意味着它们很快维数和描述考虑这些数据结构的最好方法是，较高维数据结构是其较低维数据结构的容器。例如，DataFrame是Series的容器，Panel 阅读全文

posted @ 2019-10-28 20:00 PythonGirl 阅读(247) 评论(0) 推荐(0) 编辑

2019年10月26日

Numpy | 23 文件读写

摘要： Numpy 可以读写磁盘上的文本数据或二进制数据。 NumPy 为 ndarray 对象引入了一个简单的文件格式：npy。 npy 文件用于存储重建 ndarray 所需的数据、图形、dtype 和其他信息。常用的 IO 函数有： load() 和 save() 函数是读写文件数组数据的两个主要函阅读全文

posted @ 2019-10-26 16:33 PythonGirl 阅读(578) 评论(0) 推荐(0) 编辑

2019年10月25日

Numpy | 线性代数

摘要： NumPy 提供了线性代数函数库 linalg，该库包含了线性代数所需的所有功能。函数描述 dot 两个数组的点积，即元素对应相乘。 vdot 两个向量的点积 inner 两个数组的内积 matmul 两个数组的矩阵积 determinant 数组的行列式 solve 求解线性矩阵方程 inv 计阅读全文

posted @ 2019-10-25 21:00 PythonGirl 阅读(307) 评论(0) 推荐(0) 编辑

Numpy | 矩阵库(Matrix)

摘要： NumPy 中包含了一个矩阵库 numpy.matlib，该模块中的函数返回的是一个矩阵，而不是 ndarray 对象。一个的矩阵是一个由行（row）列（column）元素排列成的矩形阵列。矩阵里的元素可以是数字、符号或数学式。以下是一个由 6 个数字元素构成的 2 行 3 列的矩阵： mat 阅读全文

posted @ 2019-10-25 20:09 PythonGirl 阅读(363) 评论(0) 推荐(0) 编辑

Numpy | 副本和视图

摘要：在操作数组的时候返回的不是视图就是副本。副本：复制视图：链接副本是一个数据的完整拷贝，如果我们对副本进行修改，它不会影响到原始数据，物理内存不在同一位置。视图是数据的一个别称或引用，通过该别称或引用亦可访问、操作原有数据，但原有数据不会产生拷贝。如果我们对视图进行修改，它会影响到原始数据，物阅读全文

posted @ 2019-10-25 19:15 PythonGirl 阅读(433) 评论(0) 推荐(0) 编辑

2019年10月24日

滑动验证码破解 | Selenium模拟登陆博客园

摘要：思路：（1）打开登录页面，并输入用户名和密码，点击登录按钮，弹出验证码图片；（2）获取2张验证码图片，带缺口和不带缺口；（3）获取缺口位置。遍历带缺口的图片和不带缺口的图片的每个像素，利用 is_pixel_equal() 方法判断两张图片同一位置的像素是否相同。比较两张图 RGB 的绝对值是阅读全文

posted @ 2019-10-24 23:35 PythonGirl 阅读(611) 评论(0) 推荐(1) 编辑

验证码破解 | Selenium模拟登录简书

摘要：使用超级鹰打码平台处理登录的文字点击验证码 import time from io import BytesIO from PIL import Image from selenium import webdriver from selenium.webdriver import ActionCha 阅读全文

posted @ 2019-10-24 22:27 PythonGirl 阅读(707) 评论(0) 推荐(0) 编辑

验证码破解 | Selenium模拟登陆微博

摘要：模拟登陆微博相对来说，并不难。验证码是常规的5个随机数字字母的组合，识别起来也比较容易。主要是用到许多Selenium中的知识，如定位标签、输入信息、点击等。如对Selenium的使用并不熟悉，请先移驾《Python爬虫 | Selenium详解》。相信你再来看本篇一定可以看懂。破解微博登陆的思路阅读全文

posted @ 2019-10-24 22:04 PythonGirl 阅读(1141) 评论(1) 推荐(0) 编辑

验证码破解 | Selenium模拟登陆12306

摘要： 12306官网登录的验证码破解比较简单，验证码是常规的点触类型验证码，使用超级鹰识别率比较高。思路：（1）webdriver打开浏览器；（2）先对整个屏幕截屏，通过标签定位找到验证码图片，并定位到验证码图片的坐标，然后从先前截屏的图片中截取验证码部分的图片；（3）通过超级鹰识别验证码上字的坐阅读全文

posted @ 2019-10-24 21:48 PythonGirl 阅读(844) 评论(0) 推荐(0) 编辑

验证码破解 | Selenium模拟登录知乎

摘要： import requests import re import execjs import time import hmac from hashlib import sha1 class Zhihu(object): def __init__(self, username, password): 阅读全文

posted @ 2019-10-24 20:21 PythonGirl 阅读(510) 评论(0) 推荐(0) 编辑

2019年10月23日

Numpy | 16 算术函数

摘要：加减乘除 NumPy 算术函数包含简单的加减乘除: add()，subtract()，multiply() 和 divide()。注意：数组必须具有相同的形状或符合数组广播规则。输出结果为：此外 Numpy 也包含了其他重要的算术函数。倒数 numpy.reciprocal() 函数返回参数阅读全文

posted @ 2019-10-23 22:47 PythonGirl 阅读(288) 评论(0) 推荐(0) 编辑

Numpy | 15 数学函数

摘要： NumPy 包含大量的各种数学运算的函数，包括三角函数，算术运算的函数，复数处理函数等。三角函数 NumPy 提供了标准的三角函数：sin()、cos()、tan()。输出结果为：正弦值：[0. 0.5 0.70710678 0.8660254 1. ] 余弦值：[1.00000000e+00 阅读全文

posted @ 2019-10-23 20:50 PythonGirl 阅读(297) 评论(0) 推荐(0) 编辑

2019年10月22日

Numpy | 14 字符串函数

摘要：本章函数用于对 dtype 为 numpy.string_ 或 numpy.unicode_ 的数组执行向量化字符串操作。它们基于 Python 内置库中的标准字符串函数。这些函数在字符数组类（numpy.char）中定义。 numpy.char.add() numpy.char.add() 函阅读全文

posted @ 2019-10-22 22:09 PythonGirl 阅读(330) 评论(0) 推荐(0) 编辑

Numpy | 13 位运算

摘要： NumPy "bitwise_" 开头的函数是位运算函数。本章都是按二进制来操作的。 NumPy 位运算包括以下几个函数：注：也可以使用 "&"、 "~"、 "|" 和 "^" 等操作符进行计算。 bitwise_and bitwise_and() 函数对数组中整数的二进制形式执行位与运算。 im 阅读全文

posted @ 2019-10-22 20:32 PythonGirl 阅读(232) 评论(0) 推荐(0) 编辑

2019年10月21日

Numpy | 12 数组操作

摘要： Numpy 中包含了一些函数用于处理数组，大概可分为以下几类：修改数组形状翻转数组修改数组维度连接数组分割数组数组元素的添加与删除一、修改数组形状 numpy.reshape numpy.reshape 函数可以在不改变数据的条件下修改形状 arr：要修改形状的数组 newshape：阅读全文

posted @ 2019-10-21 20:19 PythonGirl 阅读(328) 评论(0) 推荐(0) 编辑

2019年10月20日

Numpy | 11 迭代数组

摘要： NumPy 迭代器对象 numpy.nditer 提供了一种灵活访问一个或者多个数组元素的方式。迭代器最基本的任务的可以完成对数组元素的访问。实例1：使用 arange() 函数创建一个 2x3 数组，并使用 nditer 对它进行迭代。输出结果为：以上实例不是使用标准 C 或者 Fortr 阅读全文

posted @ 2019-10-20 11:51 PythonGirl 阅读(392) 评论(0) 推荐(0) 编辑

Numpy | 10 广播(Broadcast)

摘要：广播(Broadcast)是 numpy 对不同形状(shape)的数组进行数值计算的方式，对数组的算术运算通常在相应的元素上进行。下面的图片展示了数组 b 如何通过广播来与数组 a 兼容。 4x3 的二维数组与长为 3 的一维数组相加，等效于把数组 b 在二维上重复 4 次再运算如果两个数组阅读全文

posted @ 2019-10-20 09:59 PythonGirl 阅读(260) 评论(0) 推荐(0) 编辑

2019年10月18日

Numpy | 09 高级索引

摘要： NumPy 比一般的 Python 序列提供更多的索引方式。除了之前看到的用整数和切片的索引外，数组可以由整数数组索引、布尔索引及花式索引。整数数组索引实例1：获取数组中(0,0)，(1,1)和(2,0)位置处的元素输出结果为：实例2：获取了 4x3 数组中的四个角的元素。行索引是 [0, 阅读全文

posted @ 2019-10-18 23:36 PythonGirl 阅读(354) 评论(0) 推荐(0) 编辑

Numpy | 08 切片和索引

摘要： ndarray对象的内容可以通过索引或切片来访问和修改，与 Python 中 list 的切片操作一样。（1）ndarray 数组索引可以基于 0 - n 的下标进行；（2）切片对象可以通过内置的 slice 函数，并设置 start, stop 及 step 参数进行，从原数组中切割出一个新数阅读全文

posted @ 2019-10-18 22:01 PythonGirl 阅读(188) 评论(0) 推荐(0) 编辑

Numpy | 07 从数值范围创建数组

摘要： numpy.arange ***** 使用numpy 包中的 arange 函数，创建数值范围并返回 ndarray 对象，函数格式如下：实例1: 生成 0 到 5 的数组: import numpy as np x = np.arange(5) print (x) 输出结果如下：实例2: 设置阅读全文

posted @ 2019-10-18 20:21 PythonGirl 阅读(585) 评论(0) 推荐(0) 编辑

2019年10月17日

Numpy | 06 从已有的数组创建数组

摘要： numpy.asarray numpy.asarray 类似 numpy.array，但 numpy.asarray 参数只有三个，比 numpy.array 少两个。参数说明：将列表转换为 ndarray import numpy as np x = [1,2,3] a = np.asarra 阅读全文

posted @ 2019-10-17 23:53 PythonGirl 阅读(217) 评论(0) 推荐(0) 编辑

Numpy | 05 创建数组

摘要： ndarray 数组除了可以使用底层 ndarray 构造器来创建外，也可以通过以下几种方式来创建。一、numpy.empty numpy.empty 方法用来创建一个指定形状（shape）、数据类型（dtype）且未初始化的数组：参数说明：一个创建空数组的实例： import numpy a 阅读全文

posted @ 2019-10-17 21:29 PythonGirl 阅读(341) 评论(0) 推荐(0) 编辑

Numpy | 04 数组属性

摘要： NumPy 数组的维数称为秩（rank），一维数组的秩为 1，二维数组的秩为 2，以此类推。在 NumPy中，每一个线性的数组称为是一个轴（axis），也就是维度（dimensions）。比如说，二维数组相当于是两个一维数组，其中第一个一维数组中每个元素又是一个一维数组。所以一维数组就是 NumP 阅读全文

posted @ 2019-10-17 18:49 PythonGirl 阅读(299) 评论(0) 推荐(0) 编辑

2019年10月16日

Numpy | 03 数据类型

摘要： numpy 支持的数据类型比 Python 内置的类型要多很多，基本上可以和 C 语言的数据类型对应上，其中部分类型对应为 Python 内置的类型。下表列举了常用 NumPy 基本类型: numpy 的数值类型实际上是 dtype 对象的实例，并对应唯一的字符，包括 np.bool_，np.in 阅读全文

posted @ 2019-10-16 23:18 PythonGirl 阅读(217) 评论(2) 推荐(0) 编辑

Numpy | 02 Ndarray 对象

摘要： NumPy 最重要的一个特点是其 N 维数组对象 ndarray，它是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引。 ndarray 内部由以下内容组成：一个指向数据（内存或内存映射文件中的一块数据）的指针。数据类型或 dtype，描述在数组中的固定大小值的格子。一个表示数组阅读全文

posted @ 2019-10-16 21:49 PythonGirl 阅读(193) 评论(0) 推荐(0) 编辑

Numpy | 01 简介

摘要： NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。 NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供阅读全文

posted @ 2019-10-16 20:08 PythonGirl 阅读(205) 评论(0) 推荐(0) 编辑

利用python画小猪佩奇

摘要： import turtle as t t.pensize(4) t.hideturtle() t.colormode(255) t.color((255,155,192),"pink") t.setup(840,500) t.speed(10) #鼻子 t.pu() t.goto(-100,100) t.pd() t.seth(-30) t.begin_fill() a=0.4 for i in 阅读全文

posted @ 2019-10-16 19:29 PythonGirl 阅读(481) 评论(0) 推荐(0) 编辑

2019年10月13日

python Image open读取网络图片本地显示爬虫必备

摘要： #!/usr/bin/python3 # -*- coding: utf-8 -*- import requests from PIL import Image from io import BytesIO response = requests.get('https://static.geetes 阅读全文

posted @ 2019-10-13 13:45 PythonGirl 阅读(4960) 评论(0) 推荐(0) 编辑

2019年10月12日

Python爬虫selenium中get_cookies()和add_cookie（）的用法

摘要：在用selenium爬取网页的时候，有时候需要登陆，这时候用selenium获取cookie和携带cookie是很方便的，获取cookie可以通过内置的函数get_cookies()，它得到的是一组cookie,是由cookie组成的列表。单个的cookie是字典组成的，所有get_cookies( 阅读全文

posted @ 2019-10-12 18:43 PythonGirl 阅读(2886) 评论(0) 推荐(1) 编辑

iPython

博客已迁移至简书：https://www.jianshu.com/u/4ef402efc5e9

公告