摘要：
# 数据分布的图表可视化 - 直方图 r = np.random.RandomState(1) ar = r.randn(1000) * 100 # 创建一个正态分布数组 # 计算分位数 df = pd.DataFrame(ar,columns = ['value']) q25 = df['valu 阅读全文
摘要：
# 排序1 - 按值排序 .sort_values # 同样适用于Series df1 = pd.DataFrame(np.random.rand(16).reshape(4,4)*100, columns = ['a','b','c','d']) print(df1) print(df1.sort 阅读全文
摘要：
缺失值处理import numpy as np import pandas as pd data = np.array([1,2,5,4,np.nan]) print(data) print('numpy 有专门的nansum，nanmax等操作处理缺失值') # r = data.sum() r 阅读全文
摘要：
#查看 print(df.head(2)) print(df.tail()) # .head()查看头部数据 # .tail()查看尾部数据 # 默认查看5条 print(df.T)# .T 转置 # 新增列/行并赋值 df['e'] = 10 df.loc[4] = 20 print(df) # 阅读全文
摘要：
Series Series import numpy as np import pandas as pd s = pd.Series([1,2,3,4],index=list('abcd')) #获取 data = s['b']#显式索引 print(data) data = s[1]#隐式索引 p 阅读全文
摘要：
import numpy as np import pandas as pd #创建方法一：多个series组成字典创建dataframe pp = {'bj':3000,'gz':2800,'sh':3200} area={'bj':290,'gz':310,'sh':150} pp_series 阅读全文
摘要：
创建 import numpy as np import pandas as pd #创建方法一、一维数组或者列表创建 a = [1,2,3,4] #1.1不指定index data = pd.Series(a) print(data) #1.2指定index data = pd.Series(a, 阅读全文
摘要：
np.linalg.det(d) # 计算行列式结果 np.dot(a2,b2)#点乘 np.linalg.inv()#逆矩阵 np.linalg.det(A)#伴随矩阵 np.linalg.matrix_rank(b)#矩阵的秩 #特征值和特征向量 print(np.linalg.eigvals( 阅读全文
摘要：
# 直线运动问题 # 对于f(X) = x**2 def f(x): return x**2 plt.figure(figsize = (12,6)) n = np.linspace(-10,10,num = 50) plt.plot(n,f(n)) plt.xlim(-11,11) plt.yli 阅读全文
摘要：
#拼接import numpy as np a = np.arange(1,25).reshape(2,3,4) b = np.arange(101,125).reshape(2,3,4) print('axis = 0') c = np.concatenate((a,b), axis = 0) p 阅读全文