1. DataFrame 处理缺失值 dropna()
df2.dropna(axis=0, how='any', subset=[u'ToC'], inplace=True)把在ToC列有缺失值的行去掉 补充：还可以用df.fillna()来把缺失值替换为某个特殊标记df = df.fillna("missing") # 用字符串替代
df = df.fill
转载
2024-05-18 08:54:28
80阅读
前面在介绍函数的时候，有一些部分跳过了，那就是 lambda expression。它的存在就像是一个小工具，有它的存在很多时候一些不大不小的问题就可以很好的得到解决方案，使用得当的话，可以有效的简化编程任务。匿名函数：lambda这是一个除了 def 方法外，创造一个能被后续调用的函数的另一种方式，并且常常是在“一行”内进行的函数而定义的形式被使用，或者用来推迟执行一些程式码运行，运行起来的时候
一、函数1.在Python中，定义一个函数要使用def语句，依次写出函数名、括号、括号中的参数和冒号:，然后，在缩进块中编写函数体，函数的返回值用return语句返回。2.如果没有return语句，函数执行完毕后也会返回结果，只是结果为 None。3.Python函数可以返回多个返回值，但是究其根本它其实只是反回了一个tuple，而tuple中包含多值。4.Python的函数里可以定义默认参数，比
转载
2023-09-23 06:58:28
180阅读
一、字符串操作包string_helper.py是字符串操作包，主要对字符串进行检查、过滤和截取等处理。
#!/usr/bin/evn python
# coding=utf-8
import re
def check_string(text, pattern):
"""
检查字符串是否符合指定规则
:param text: 需要检查的字符串
:param pattern: 正式表达式，如：'^[
转载
2023-09-28 14:17:30
171阅读
shell 工具cutcut，在文件中负责剪切数据，从文件的每一行剪切字节、字符、字段 并将这些字节、字符、字段 输出，不会改变原文件基本用法cut [选项参数] filename选项参数有以下：-f ：列号，提取第几列，提取多列用 逗号 隔开，如 2,3；取第几列后所有的用 列号-，如 3--d ：分隔符，不写默认指定分隔符tab切割，类似于Java的splitsedsed 是一种 流编辑器，一
转载
2023-11-06 12:33:13
117阅读
案例11：cut函数与数据分组1）cut的用法设置包含最小值，不包括左，包括右，可用right = False包括左，不包括右显示成组别格式数值统计： 还可以不指定面元的界限，直接传入一个整数参数，cut()会按照指定的数字，将元素划分为相应的几部分。2）qcut用法而qcut()可以保证每个面元的数量相同按分位数切分3）自定义分组函数使用案例文本格式，方便复制：#定义分组函数
def
转载
2023-08-30 22:41:17
769阅读
在对数据处理的过程中，经常会用到对不同阈值的数据贴上不同的标签，或者将连续数据转换成分类数据，pandas中的cut函数可以较好解决数据划分不同标签问题。pandas.cut函数语法：pandas.cut(x,
bins,
right=True,
labels=None,
retbins=False,
pre
转载
2023-06-27 11:36:03
1212阅读
# 如何实现 Python 中的 Cut 函数
在 Python 中，实现一个类似于 “cut” 的函数可以帮助我们根据特定的分隔符将字符串切片。这个过程可以分为几个简洁的步骤。接下来，我将通过一个流程图和具体的代码示例来教你如何实现这个功能。
## 流程步骤
下面是实现 “cut” 函数的步骤总结：
| 步骤 | 描述 |
我想要实现多分类，样本不是均匀分布的使用cut，可以实现自定义范围分类 使用qcut，可以实现每个 分类的个数大致相等cut 与 qcut方法使用1、cut方法pandas.cut(x, bins, right=True, labels=None, retbins=False, precision=3, include_lowest=False, duplicates=‘raise’, order
转载
2023-07-02 23:10:33
395阅读
切片切片是python提供给开发者用来分割、切割字符串或者其他有序可迭代对象的一种手段 字符串[index] # 访问字符串的某个字符 字符串[start:] # 从start小标位置开始切割字符串,到末尾 字符串[start: end] # 从start小标位置开始切割字符串，切去end位置，不包含end 前闭后开区间[) 字符串[start: end: step] # step表示步长，默认是
转载
2023-08-10 22:10:17
204阅读
在本文中，我们将探讨 Python 中的 `cut` 函数，其通常用作在数据处理中将数据切分或映射到指定区间。下面的内容将从背景描述、技术原理、架构解析、源码分析、性能优化等方面对这一函数进行深入剖析。
在数据分析过程中，常常需要对数据进行分组或切分，以便进行进一步的分析。`cut` 函数正是为此而设计的。使用 `cut` 函数可以把数值型数据分成不同的区间，从而方便分析和可视化。以下是对该过程
itertools函数 2018/11/142.1.创建新iter：count(start=0, step=1)#无限循环数;按Ctrl + C退出
# 返回均匀间隔值无限流；通常用作map()生成连续数据点的参数。此外，用于zip()添加序列号
g = itertools.count(10,2) --> 10 12 14...
cycle(iter)#对象重复循环
# 保存提供迭代器内容
在很多编程语言中，针对字符串提供了很多各种截取函数，其实目的就是对字符串切片。Python没有针对字符串的截取函数，只需要切片一个操作就可以完成，非常简单。>>> 'ABCDEFG'[:3]'ABC'>>> 'ABCDEFG'[-3:]'EFG'>>> 'ABCDEFG'[::2]'ACEG'首字母大写#coding:utf-8
def hea
转载
2023-08-11 14:09:57
108阅读
#coding=utf-8
'''
Created on 2017-12-11
jieba的主要功能
1.主要用于中文文本切词，如果碰到英文单词，也会以英文的默认形式切分
2.可以使用collections中的Counter对切词后的list进行一个topN操作获取最频繁词
3.提取关键词，提供了tf-idf和TextRank
切词注意事项:
1.使用jieba切词，如果发现有些词需要合并或者分
转载
2023-08-20 20:41:45
161阅读
# 使用Python进行数据可视化：探索标签函数
在数据分析与可视化的过程中，标签的处理往往是至关重要的一步。Python作为数据科学领域的热门编程语言，其多个库提供了强大的标签处理功能。本文将介绍如何使用Python中的`label()`函数进行数据标签的创建和可视化，特别是饼状图的生成，并使用mermaid语法来呈现流程图。
## 1. 什么是`label()`函数？
在Python中，
原创
2024-10-22 05:01:50
44阅读
## Python 中的 `cut` 函数及其应用
在数据分析和数据科学领域，我们常常需要将连续数值数据分割为离散的区间。Python 提供了一个强大的函数——`pd.cut()`，它可以帮助我们完成这一任务。本文将介绍 `cut` 函数的基础知识和参数设置，同时提供代码示例以帮助理解。
### 什么是 `cut` 函数？
`pd.cut()` 是一个用于将连续数据分割成离散区间的函数，通常
在Python中，`cut`函数可以用于将数据分组，尤其是在数据分析和可视化中极为重要。处理数据时，如何合理地将数据进行切分，是数据处理的关键步骤之一。本文将详细记录如何使用`cut`函数进行分箱，并包含环境准备、分步指南、配置详解、验证测试、优化技巧及排错指南。
## 环境准备
在使用Python中的`cut`函数之前，需要确保安装了相关库。以下是前置依赖的安装和版本兼容性矩阵。
| 依赖
pandas.cut:pandas.cut(x, bins, right=True, labels=None, retbins=False, precision=3, include_lowest=False)参数：1. x，类array对象，且必须为一维，待切割的原形式2. bins, 整数、序列尺度、或间隔索引。如果bins是一个整数，它定义了x宽度范围内的等宽面元数量，但是在这种情况下，x的
转载
2023-12-08 11:16:14
168阅读
1. 前言首先自我介绍一下，我是一个做 Java 的开发人员，从今年下半年开始，一直在各大技术博客网站发表自己的一些技术文章，差不多有几个月了，之前加了网站统计代码，看到每天的访问量逐渐多了起来，国庆节期间正好事情不多，就想着写一个爬虫，看下具体阅读量增加了多少，这也就成了本文的由来。2. 技术选型爬虫这个功能，我个人理解是什么语言都能写的，只要能正常发送 请求
转载
2023-12-28 14:21:52
23阅读
函数的综合练习案例1:编写一个函数cacluate, 可以接收任意多个数,返回的是一个元组.
元组的第一个值为所有参数的平均值, 第二个值是大于平均值的所有数.代码：# 1.定义函数; *args:可变参数
def cacluate(*args):
# 2.计算平均值; args的数据类型为元组,sum求和
average = sum(args) / len(args)
#
转载
2023-10-08 19:44:05
402阅读
