摘要：
pandas可以读写如下格式的数据类型： 具体详见：http://pandas.pydata.org/pandas docs/version/0.20/io.html 读取csv文件 我们准备了一个csv文件，格式类似为： 要读取此csv文件，方法为： 输出为： 这里我第一次尝试运行时，由于没有设置 阅读全文
摘要：
假设我们的数据集中有缺失值，该如何进行处理呢？ 丢弃缺失值的行或列 首先我们定义了数据集的缺失值： 这里缺失值用np.nan来设置，输出为: 丢弃缺失值数据 可以使用dropna函数把拥有缺失值数据的行或列进行丢弃。 我们这里以丢弃掉拥有缺失值行作为例子： 输出为： 这样把拥有NaN的2017 01 阅读全文
摘要：
本节主要讲述如何根据上篇博客中选择出相应的数据之后，对其中的数据进行修改。 对某个值进行修改 例如，我们想对数据集中第2行第2列的数据进行修改： 输出为： 根据筛选条件设置值 比如，我们想对数据集中B列大于14的数据设置为14值，类似SQL中的： update table set B = 14 wh 阅读全文
摘要：
选择列 根据列名来选择某列的数据 输出结果： 也可以用点符号来进行： 上面的功能跟data["A"]一样。 选择某几行数据 输出为： 也可以根据索引号范围来选择某几行的数据。 比如，如下的例子中我们就选择出2017 01 10到2017 01 12的数据： 输出为： 使用loc进行选择 使用loc选 阅读全文
摘要：
前面我们学习了numpy，现在我们来学习一下pandas。 Python Data Analysis Library 或 pandas 主要用于处理类似excel一样的数据格式，其中有表头、数据序列号以及实际的数据，而numpy就仅仅包含了实际的数据。 安装 直接输入： 最基本用法 输出： 我们可以 阅读全文
摘要：
对象的引用 看例子： 运行结果： 上面的例子中，我们改变了a的值，但打印出来b中的值也被修改了，原因是a和b指向相同的对象。 复制 如果我们想要解决修改了a的值不会影响到b中的值，该如何做到呢？ 输出为： 阅读全文
摘要：
有合并，就有分割。 本节主要讲述如何通过numpy对数组进行横向/纵向分割。 横向/纵向分割数组 首先创建一个6行4列的数组，然后我们对此数组按照横向进行切割，分成3块，这样每块应该有2行，见例子： 输出为： 上面的分割中把数组分成了等分的3份，如果我们不想分割成等分的，可以写成如下的方式： 输出为 阅读全文
摘要：
概述 本节主要讲述如何把两个数组按照行或列进行合并。 按行进行上下合并 例如： 合并后输出结果为： 按列左右合并 左右合并后，输出为： 使用concatenate合并 输出为： 添加维度 比如，我们有一个一维的数组，现在我们想要对这个一维数组增加一个维度，变成2维数组，该怎么做呢？ 例如：[1, 2 阅读全文
摘要：
简单的索引值 输出为： 对于获取第2行第3列的数据，我们还可以用如下的方式来获取： 数据切片 用冒号索引可以对数据进行切片。 输出为： 上面用冒号来对数据选择进行了占位。 如果我们想要获得第1列的所有数： 输出为第1列的所有数： 获取第1行从第2列到第4列的值： 输出为： 把数据变平 把数据变平的意 阅读全文
摘要：
numpy的基础运算中还有很多运算，我们这里再记录一些。 最小/大值索引 前面一篇博文中我们讲述过如何获得数组中的最小值，这里我们获得最小/大值的索引值，也就是这个最小/大值在整个数组中位于第几位。 输出为： 这就意味着这里最小值的索引号是4，也就是数组中第4位的值，也就是数值5。 平均值 输出为： 阅读全文