摘要：
1.numpy和scipy都提供了线性代数函数库linalg。但是scipy的线性代数库比numpy更加全面。 2.numpy中的求解线性方程组：numpy.linalg.solve(a, b)。而scipy中的求解线性方程组： scipy.linalg.solve(a, b, sym_pos=Fa 阅读全文
摘要：
1.scipy的optimize模块提供了许多数值优化算法。 2.求解非线性方程组： scipy.optimize.fsolve(func, x0, args=(), fprime=None, full_output=0, col_deriv=0, xtol=1.49012e-08, maxfev= 阅读全文
摘要：
Scipy的核心计算部分是一些Fortran数值计算库： 线性代数使用LAPACK库 快速傅立叶变换使用FFTPACK库 常微分方程求解使用ODEPACK库 非线性方程组求解以及最小值求解使用MINPACK 库 1. constants 模块 scipy的constants模块包含了众多的物理常数： 阅读全文
摘要：
一、文本文件 1.pandas.read_csv() 可以读取文本文件(.csv 格式)： pandas.read_csv(filepath_or_buffer, sep=', ', delimiter=None, header='infer', names=None, index_col=None 阅读全文
摘要：
1.时间序列的移动窗口上的各种统计函数是一种常见的操作。这一类函数我们称作移动窗口函数 与其他统计函数一样，移动窗口函数也排除了NA值 所谓移动窗口，就是两层含义： 窗口：统计函数作用的对象为该窗口内的数值 移动：该窗口是移动的，每个窗口对应一个统计量 。最终生成一个统计量序列 2.计算移动窗口的平 阅读全文
摘要：
1.matplotlib是一种比较低级的工具，pandas中有许多利用DataFrame对象数据组织特点来创建标准图表的高级绘图方法。 2.Series/DataFrame.plot()：绘制图形。 Series.plot(kind='line', ax=None, figsize=None, us 阅读全文
摘要：
1. Python 中的时间 1.1 时区 1.2 time 模块 1.3 datetime 模块 2. 时间点 Timestamp 3. 时间段 Period 4. DatetimeIndex 5. PeriodIndex 6. resample 和频率转换 阅读全文
摘要：
一、分组 1.分组运算的过程为：拆分-应用-合并 拆分阶段：Series/DataFrame等数据根据你提供的一个或者多个键，被拆分为多组 应用阶段：根据你提供的一个函数应用到这些分组上 合并阶段：将函数的执行结果合并到最终结果中 2.分组中有两种数据：源数据（被分组的对象），分组数据（用于划分源数 阅读全文
摘要：
1.Series.map 通过Series.map()方法，所有字符串和正则表达式方法都能应用于各个值。但是如果存在NaN就会报错。为了解决这个问题，pandas提供了一些能够跳过NaN值的字符串操作方法。 2.Series.str.ufunc Series.str能够将Series的值当作字符串处 阅读全文
摘要：
一、移除重复数据 1.Series/DataFrame.duplicated Series/DataFrame.duplicated(*args, **kwargs) 返回一个布尔Series，指示调用者中，哪些行是重复的（重复行标记为True）。 参数： keep：一个字符串或者False，指示如 阅读全文