您的评价: 4.7 收藏 27收藏 pandas 是基于 Numpy 构建的含有更高级数据结构和工具的数据分析包 类似于 Numpy 的核心是 ndarray，pandas 也是围绕着 Series 和 DataFrame 两个核心数据结构展开的 。Series 和 DataFrame 分别对应于一
原创
2021-12-29 15:31:12
128阅读
目录 练习题 pandas模块简介 数据类型之Series 缺失数据概念 数据修改规则 布尔值索引 行索引/行标签 练习题 1.计算数组每一行和每一列的中位数(不使用axis参数) import numpy as npres = np.array([ [ 80.5, 60., 40.1, 20., ...
转载
2021-10-14 20:33:00
75阅读
2评论
pandas模块 小练习 pandas模块简介 数据类型Series 缺失数据概念 小练习 1.计算数组每一行的平均值和每一列的最小数(不能使用axis参数) # 调用模块 import numpy as np # 构造数组 a=np.array([[ 80.5, 60., 40.1, 20., 9 ...
转载
2021-10-16 18:20:00
91阅读
2评论
numpy小练习 1.计算数组每一行和每一列的中位数(不能使用axis参数) array([ [ 80.5, 60., 40.1, 20., 90.7], [ 10.5, 30., 50.4, 70.3, 90.], [ 35.2, 35., 39.8, 39., 31.], [91.2, 83.4 ...
转载
2021-10-14 20:27:00
180阅读
2评论
目录一、Series数据结构1.1 Series支持NumPy模块的特性（下标）1.2 Series支持字典的特性（标签）1.3 Series缺失数据处理二、DataFrame数据结构2.1 产生时间对象数组：date_range三、DataFrame属性四、DataFrame取值4.1 通过columns取值4.2 loc（通过行标签取值）4.3 iloc（类似于numpy数组取值）4.4 使用
原创
2021-04-15 18:16:12
166阅读
pandas模块简介 基于Numpy构建 pandas的出现，让python语言成为使用最广泛而且最强道德数据分析语言。 pandas针对表格文件的操作有非常大的优势，尤其是数据量超过10万的。 pandas的主要功能 具备诸多功能的两大数据结构 Serise，DataFrame都是基于Numpy构 ...
转载
2021-10-14 21:03:00
85阅读
2评论
目录 一、Series数据结构 1.1 Series支持NumPy模块的特性（下标） 1.2 Series支持字典的特性（标签） 1.3 Series缺失数据处理 二、DataFrame数据结构 2.1 产生时间对象数组：date_range 三、DataFrame属性 四、DataFrame取值
转载
2019-11-10 09:31:00
110阅读
2评论
10分钟入门 pandas 评：我跟作者的智商差距是有多大，才能让我用60分钟看完作者认为10分钟的内容。。。 详细内容见 Cookbook 习惯上我们先导入 : 创建序列（Series），输入可为列表（list）： 创建DataFrame： 创建DataFrame，输入可为字典（dict）： 各列
原创
2021-08-04 09:46:26
267阅读
1、转换python字典类型为dataframe # ！/usr/bin/env python # -*- coding:utf-8 -*- # __author__ = # pandas >= 1.5.3 import
Series数据操作 res = pd.Series([111,222,333,444]) 增 res['a'] = 123 查 res.loc[1] 改 res[0] = 1 删 del res[0] 算数运算符 add 加（add） sub 减（substract） div 除（divide） ...
转载
2021-10-17 14:40:00
61阅读
2评论
缺失值处理 缺失值的识别与处理 1. df.isnull 2. df.fillna 3. df.dropna data05 = pd.read_excel(r'data_test05.xlsx') data05.head() data05.isnull() # 统计每个数据项是否有缺失 data05 ...
转载
2021-10-18 19:49:00
137阅读
2评论
Pandas 是一个很强大的数据科学分析工具，你可以把它当做是Excel。它是NumPy的延伸库。如果结合NumPy使用，基本上可以解决大多数据问题。 我将从下面几个方面来介绍Pandas的一些常用功能和函数:Series 级数DataFrames 数据框Missing Data 空值（无效值）GroupBy 分组Merging, Joining,and Concatenating 归并Opera
转载
2021-02-11 10:39:53
643阅读
2评论
在学习Python过程中，我们经常需要安装一些模块，那么今天小编就手把手教大家如何简单安装pandas这个模块首先，Windows+R打开命令窗口，即 然后，查看自己Python中Scripts的安装路径（小编的路径为D:\soft2\python\Pythonfiles\Scripts）所以我先到D盘即接下去按图片一步一步到自己的Scripts文件接着在后面输入pip install...
原创
2021-09-02 17:05:01
1534阅读
在学习Python过程中，我们经常需要安装一些模块，那么今天小编就手把手教大家如何简单安装pandas这个模块 首先，Windows+R打开命令窗口，即 然后，查看自己Python中Scripts的安装路径（小编的路径为D:\soft2\python\Pythonfiles\Scripts） 所以我先到D盘即接下去按图片一步一步到自己的Scripts文件接着在后面输入pip install pan
转载
2021-02-24 14:38:32
1108阅读
2评论
Series数据操作： 1 res = pd.Series([111,222,333,444]) 2 # 增 3 res['a'] = 123 4 # 查 5 res.loc[1] 6 # 改 7 res[0] = 1 8 # 删 9 del res[0] 算术运算符： 1 """ 2 add 加( ...
转载
2021-10-17 22:19:00
105阅读
2评论
一、安装 windows环境下 pip install xlwt xlrd pandas 二、基础使用 ''' pip install xlwt xlrd ''' import pandas as pd FILE_NAME='1_domain.com.xlsx' if __name__ == '__ ...
转载
2021-09-25 10:07:00
234阅读
2评论
Series数据操作 增 res['a'] = 123 查 res.loc[1] 改 res[0] = 1 删 del res[0] 算术运算符 """ add 加(add) sub 减(substract) div 除(divide) mul 乘(multiple) """ sr1 = pd.Se ...
转载
2021-10-17 20:18:00
98阅读
2评论
缺失值处理 缺失值的识别与处理 df.isnull df.fillna df.dropna data05 = pd.read_excel(r'data_test05.xlsx') data05.head() 统计缺失 data05.isnull() # 统计每个数据项是否有缺失 data05.isn ...
转载
2021-10-18 21:14:00
157阅读
2评论
环境要求需要安装xlrd和pandas和openpyxl读取数据import pandas as pd# 默认读取第一个表单df = pd.read_excel('demo.xlsx')data = df.head()
原创
2022-06-17 16:53:46
120阅读
pandas模块化设计pandas对某一个字段实现功能，返回为多个字
原创
2022-10-31 15:32:32
69阅读
