07 2018 档案
摘要：pandas:从文件读取 pandas：写入到文件 to_csv 写入文件函数的主要参数 pandas:时间对象处理 pandas:时间对象处理 pandas:时间序列 时间序列就是以时间对象为索引的Series或DataFrame datetime对象作为索引时是存储在DatatimeIndex对
阅读全文
摘要：pandas:DataFrame数据对齐与缺失数据 DataFrame对象在运算时，同样会对数据对齐，结果的行索引和列索引分别为两个操作数的行索引与列索引的并集 DataFrame处理缺失数据的方法 pandas常用方法(适用于Series和DataFrame) pandas: 层次化索引 层次化索
阅读全文
摘要：DataFrame是一个表格型的数据结构，含有一组有序的列 DataFrame可以被看作是有Series组成的字典，并且共用一个索引 创建方式 csv文件读取与写入 pandas:DataFrame查看数据 查看数据常用属性及方法 DataFrame各列name属性:列名 pandas:DataFr
阅读全文
摘要：pandas:Series数据对齐 pandas在运算时，会按索引进行对齐然后计算，如果存在不同的索引，则结果的索引是两个操作数索引的并集 任何在两个Series对象相加时将缺失值设为0 灵活的算术方法：add,sub,div.mul pandas:Series缺失数据 缺失数据：使用NaN(Not
阅读全文
摘要：pandas：数据分析 pandas是一个强大的的python数据分析的工具包 pandas是基于NumPy构建的 pandas的主要功能： 具备对其功能对数据结构DataFrame, Series 集成时间序列功能 提供丰富的数学运算和操作 灵活处理缺失数据 具备对其功能对数据结构DataFram
阅读全文
摘要：通用函数：能同时对数组中所有的元素进行运算的函数 常见通用函数 一元通用函数：abs, sqrt, exp,log,ceil,floor,rint/round,trunc,modf,isnan,isinf,cos,sin,tan 二元函数：add, substract, multiply,divid
阅读全文
摘要：NumPy是高性能科学计算和数据分析的基础包，它是pandas等其他各种工具的基础 NumPy的主要功能： 安装方法: 引用方法： NumPy:array-多维数组 array比python列表快，占用空间小 ndarray还可以是多维数组，但元素类型必须相同 为什么要使用ndarray: dnar
阅读全文
