随笔分类 - 数据分析
摘要：1、异步引入组件 import { defineAsyncComponent } from 'vue'; const ChildData = defineAsyncComponent(() => import('./components/ChildData.vue')) 2、使用Suspense包裹
阅读全文
摘要：一、数据准备 1、添加Excel 点击 + 号 -> 添加Excel表格 -> 点击数据准备 -> 打开Excel数据 -> 创建组件 -> 进入仪表板 2、添加数据库 点击创建 -> 新建数据连接 -> 选择数据库类型(完成数据库配置) 3、业务包管理 点击数据准备 4、添加基础表 打开业务包->
阅读全文
摘要：https://blog.csdn.net/xienan_ds_zj/article/details/86738316
阅读全文
摘要：好久不用matplotlib import matplotlib.pyplot as plt plt.figure() # 画图 plt.imshow(train_images[0]) # numpy plt.show() # 展示
阅读全文
摘要：简单实用 https://www.cnblogs.com/liulangmao/p/9296269.html 注意np.corrcoef(df) 得到的也是矩阵
阅读全文
摘要：一、基础 https://zhuanlan.zhihu.com/p/76905282 1、读取 2、查看 - head 3、形状 - shape 4、查看索引 index 5、查看列的全部名称 columns 6、排序 https://blog.csdn.net/MsSpark/article/de
阅读全文
摘要：实例 import pandas as pd data=pd.DataFrame({'产品':['A','A','A','A'],'数量':[50,50,30,30]}) 去重 data.drop_duplicates() # 去除重复数据 data.drop_duplicates().reset_
阅读全文
摘要：一、生成一段时间范围 1、语法 pd.date_range(start=None, end=None, periods=None, freq=None) # start、end和freq配合能够生成start和end范围内频率freq的一组时间索引 # start、periods和freq配合能够生
阅读全文
摘要：1.获取字符串的去重后列表 2.构造全为0的数组(DataFrame)， columns为字符串的列表3.给全为0的数组赋值第一步 import pandas as pd import numpy as np df = pd.DataFrame({'a': range(7), 'b': range(
阅读全文
摘要：前面按照多个条件进行分组产生的索引是复合索引 一、索引 # a、获取index df.index # b、指定index df.index = [] # c、重新设置index df.reindex(['a', 'b', 'c']) # 注意：一般不用 # d、指定某一列作为index df2 =
阅读全文
摘要：一、分组 1、语法 grouped= df.groupby(by='columns name') # grouped是一个DataFrameGroupBy对象，是可迭代的(遍历) # grouped中的每一个元素都是一个元祖 # 元祖： (索引(分组的值), 分组之后的DataFrame) 2、取值
阅读全文
摘要：一、join 作用：默认情况下，他是把行索引相同的数据合并到一起注意：以左为准，没有的部分用NaN补全 例子 import pandas as pd import numpy as np df1 = pd.DataFrame(data=np.zeros((2, 5)), index=list('AB
阅读全文
摘要：DataFrame 二维，Series容器 一、创建DataFrame # 方法一 pd.DataFrame(data=None, index=None, columns=None) # data: array-like， 数据 # index: array-like, 行索引 axis=0 # c
阅读全文
摘要：一维，带标签数组 一、创建Series 1、方法一 pd.Series(data=None, index=None） # data和index值的数据类型： array-like # data是Series的值，index是Series的标签 2、方法二 pd.Series({"name": "to
阅读全文
摘要：一、nan和inf的简介 nan 不是一个数字 读取本地文件为flaot的时候，有缺失 inf(infinity): 无穷尽 inf: 正无穷 -inf: 负无穷 数据类型：float # 注意： 要想直接赋值nan和inf需要修改数组的数据类型为float 二、nan中的注意点 1、两个nan是不
阅读全文
摘要：一、创建特殊的数组 1、ones() 语法 np.ones(shape, dtype=None) # shape 创建数组的shape # dtype 指定数组的数据类型 例子 import numpy as np arr1 = np.ones((3, 4), dtype="int64") prin
阅读全文
摘要：一、数组的拼接 1、水平拼接 a、格式 np.hstack(（数组1, 数组2）) # 注意： 值是元祖 # 0轴长要相同 b、例子 import numpy as np arr1 = np.arange(0, 12).reshape(2, 6) arr2 = np.arange(12, 22).r
阅读全文
摘要：一、步骤 1、查找值 使用数组的索引和切片 2、修改值 直接赋值 例子 import numpy as np arr1 = np.arange(0, 24).reshape(4, 6) # 使用数组的索引和切片查找值，并修改值 arr1[:, 2:5] = 10 print(arr1) 二、查找值补
阅读全文
摘要：一、取行 1、单行 数组[index, :] # 取第index+1行 例子 import numpy as np arr1 = np.arange(0, 24).reshape(4, 6) # 取第2行数据 row1 = arr1[1, :] print(row1) 2、连续的多行 数组[star
阅读全文
摘要：一、CSV文件 CSV: Comma-Separated Value，逗号分隔值文件 显示：表格状态 源文件：换行和逗号分隔，逗号 列，换行 行 二、读取数据 1、方法 loadtxt(fname, dtype=float, delimiter=None, skiprows=0, usecols=N
阅读全文
