另一个起点

摘要： 处理数据的时候往往需要对原始数据进行类型转换和预览等操作，下面介绍常用的处理预览和数据转换方法 预览：例： import pandas as pdsec_weather = pd.read_table(r'D:\weather.csv',sep=',')sec_weather.head() 如果只需 阅读全文

摘要： 绝大多数公司都会选择将数据存入数据库中，因为数据库既可以存放海量数据，又可以非常便捷地实现数据的查询。下面以MySQL和SQL Server为例，来练习Pandas模块和 对应的数据库模块。 首先需要介绍pymysql模块和pymssql模块中的连接函数connect，虽然两个模块中的连接函数名称一 阅读全文

摘要： 上面那篇文章中，初步介绍了一个文本文件的读取；接下来介绍另外一种常见的本地数据格式，那就是Excel电子表格，如果读者在学习或者工作中需要使用Python分析某个Excel表格数据，改如何完成第一个的数据读取呢？ 1.Pandas模块中的read_excel 方法原型： pd.read_excel( 阅读全文

摘要： 上面一篇文章有记录pandas构造数据框的方式有二维数组，字典，嵌套的列表和元组等，本篇用于介绍通过外部数据读取的方式来构造数据框。 python读取外部数据集的时候，这些数据集可能包含在文本文件（csv,txt）,电子表格Excel和数据库中（Mysql，SQL server）等，那么如何来用pa 阅读全文

摘要： 列表或字典的引用： 引用针对变量的时候，传递引用后，对引用后的对象的值进行改变是不会影响到原值的；而列表不一样如： spam =42 cheese = spam spam =100 print(spam) #out:100 print(cheese) #out:42 如果对列表进行引用会是什么情况呢 阅读全文

摘要： Pandas模块的核心操作对象就是对序列(Series)和数据框（Dataframe）。序列可以理解为数据集中的一个字段，数据框是值包含至少两个字段（或序列） 的数据集。 构造序列 1.通过同质的列表或元组构建 2.通过字典构建 3.通过numpy中的一维数组构建 4.通过数据框Dataframe中 阅读全文

摘要： numpy模块的核心就是基于数组的运算，相比于列表和其他数据结构，数组的运算效率是最高的。在统计分析和挖掘过程中，经常会使用到numpy模块的函数，以下是常用的数学函数和统计函数： 常数p就是圆周率 3.1415926... 常数e ：2.71828... np.fabs(arr) 例如：np.fa 阅读全文

摘要： 数组的四则运算 在numpy模块中,实现四则运算的计算既可以使用运算符号,也可以使用函数,具体如下例所示: #加法运算 import numpy as npmath = np.array([98,83,86,92,67,82])english = np.array([68,74,66,82,75,8 阅读全文

摘要： 数组的创建 import numpy as np arr1 = np.array([3,10,8,7,34,11,28,72]) arr2 = np.array(((8.5,6,4.1,2,0.7),(1.5,3,5.4,7.3,9), (3.2,3,3.8,3,3),(11.2,13.4,15.6 阅读全文

摘要： 以下整理python中常用的正则符号，相信能够熟悉掌握这些正则符号，大部分字符串处理将会游刃有余。 另外 （.*?）用于分组，默认返回括号内的匹配内容， 在Python开发爬虫过程中经常会遇到正则表达式，其中(.*?) 的使用概率较高，那么这个正则表达式到底什么意思呢？ “.*?” 表示非贪心算法， 阅读全文