随笔分类 - 数据可视化pandas,numpy,matplotlib,pycharts基础
摘要：其它函数 函数 含义 append() 序列元素的追加（需指定其他序列） diff() 一阶差分 round() 元素的四舍五入 sort_values() 按值排序 sort_index() 按索引排序 to_dict() 转为字典 tolist() 转为列表 unique() 元素排重
阅读全文
摘要：时间序列函数 函数 含义 dt.date() 抽取出日期值 dt.time() 抽取出时间（时分秒） dt.year() 抽取出年 dt.mouth() 抽取出月 dt.day() 抽取出日 dt.hour() 抽取出时 dt.minute() 抽取出分钟 dt.second() 抽取出秒 dt.q
阅读全文
摘要：绘图与元素级运算函数 函数 含义 hist() 绘制直方图 plot() 可基于kind参数绘制更多图形（饼图，折线图，箱线图等） map() 元素映射 apply() 基于自定义函数的元素级操作
阅读全文
摘要：数据筛选函数 函数 含义 isin() 成员关系判断 between() 区间判断 loc() 条件判断（可使用在数据框中） iloc() 索引判断（可使用在数据框中） compress() 条件判断 nlargest() 搜寻最大的n个元素 nsmallest() 搜寻最小的n个元素 str.fi
阅读全文
摘要：数据清洗函数 函数 含义 duplicated() 判断序列元素是否重复 drop_duplicates() 删除重复值 hasnans() 判断序列是否存在缺失（返回TRUE或FALSE） isnull() 判断序列元素是否为缺失（返回与序列长度一样的bool值） notnull() 判断序列元素
阅读全文
摘要：统计汇总函数 函数 含义 min() 计算最小值 max() 计算最大值 sum() 求和 mean() 计算平均值 count() 计数（统计非缺失元素的个数） size() 计数（统计所有元素的个数） median() 计算中位数 var() 计算方差 std() 计算标准差 quantile(
阅读全文
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，可以看看下面的说明： 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
阅读全文
摘要：NumPy 提供了多种排序的方法。 这些排序函数实现不同的排序算法，每个排序算法的特征在于执行速度，最坏情况性能，所需的工作空间和算法的稳定性。 下表显示了三种排序算法的比较。 种类速度最坏情况工作空间稳定性 'quicksort'（快速排序） 1 O(n^2) 0 否 'mergesort'（归并
阅读全文
摘要：NumPy 提供了很多统计函数，用于从数组中查找最小元素，最大元素，百分位标准差和方差等。 函数说明如下： numpy.amin() 和 numpy.amax() numpy.amin() 用于计算数组中的元素沿指定轴的最小值。 numpy.amax() 用于计算数组中的元素沿指定轴的最大值。 im
阅读全文
摘要：舍入函数 numpy.around() 函数返回指定数字的四舍五入值。 numpy.around(a,decimals) 参数说明： a: 数组 decimals: 舍入的小数位数。 默认值为0。 如果为负，整数将四舍五入到小数点左侧的位置 numpy.floor() numpy.floor() 返
阅读全文
摘要：以下函数用于对 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。 函数描述 add() 对两个数组的逐个字符串元素进行连接 multip
阅读全文
摘要：1 分割数组 函数数组及操作 split 将一个数组分割为多个子数组 hsplit 将一个数组水平分割为多个子数组（按列） vsplit 将一个数组垂直分割为多个子数组（按行） numpy.split numpy.split 函数沿特定的轴将数组分割为子数组，格式如下： numpy.split(ar
阅读全文
摘要：1 修改数组维度 维度描述 broadcast 产生模仿广播的对象 broadcast_to 将数组广播到新形状 expand_dims 扩展数组的形状 squeeze 从数组的形状中删除一维条目 numpy.broadcast numpy.broadcast 用于模仿广播的对象，它返回一个对象，该
阅读全文
摘要：1 修改数组形状 函数描述 reshape 不改变数据的条件下修改形状 flat 数组元素迭代器 flatten 返回一份数组拷贝，对拷贝所做的修改不会影响原始数组 ravel 返回展开数组 numpy.reshape numpy.reshape 函数可以在不改变数据的条件下修改形状，格式如下： n
阅读全文
摘要：1 整数数组索引 2 布尔索引 我们可以通过一个布尔数组来索引目标数组。 布尔索引通过布尔运算（如：比较运算符）来获取符合指定条件的元素的数组。 以下实例获取大于 5 的元素： 3 花式索引 花式索引指的是利用整数数组进行索引。 花式索引根据索引数组的值作为目标数组的某个轴的下标来取值。对于使用一维
阅读全文
摘要：NumPy 切片和索引 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。 ndarray 数组可以基于 0 - n 的下标进行索引，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
阅读全文
摘要：NumPy 从数值范围创建数组 这一章节我们将学习如何从数值范围创建数组。 numpy.arange numpy 包中的使用 arange 函数创建数值范围并返回 ndarray 对象，函数格式如下： numpy.arange(start, stop, step, dtype) 根据 start 与
阅读全文
摘要：NumPy 从已有的数组创建数组 本章节我们将学习如何从已有的数组创建数组。 numpy.asarray numpy.asarray 类似 numpy.array，但 numpy.asarray 参数只有三个，比 numpy.array 少两个。 numpy.asarray(a, dtype = N
阅读全文
摘要：NumPy 创建数组 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。 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： numpy.empty(shape, dtyp
阅读全文
摘要：NumPy 数组属性 本章节我们将来了解 NumPy 数组的一些基本属性。 NumPy 数组的维数称为秩（rank），秩就是轴的数量，即数组的维度，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
阅读全文
