pandas的DataFrame极大地简化了数据分析过程中一些烦琐操作，它是一个表格型的数据结构, 每一列代表一个变量，而每一行则是一条记录。简答地说，DataFrame是共享同一个index 的Series的集合。一、创建DataFrame对象1、手动创建DataFrame对象的创建方法与Series对象类似，只不过可以同时接受多条一维的列表, 每个列表都会成为单独的一列。在创建DataFYam
转载
2023-09-15 09:05:23
217阅读
Dataframe是pandas的模块最具代表的数据结果，其作用之强大溢于言表，下面我们分几个最常用的说一下. Dataframe中的切片loc，iloc； import pandas as pd 我们先说loc，基本上loc会了，iloc知
转载
2023-11-06 13:28:07
76阅读
目录简介构造函数属性和数据类型转换索引和迭代二元运算函数应用&分组&窗口描述统计学从新索引&选取&标签操作处理缺失值从新定型&排序&转变形态Combining& joining&merging时间序列作图转换为其他格式简介pandas作者Wes McKinney 在【PYTHON FOR DATA ANALYSIS】中对pa
转载
2023-09-03 13:45:40
114阅读
# 学习使用 Python DataFrame 的步骤
在数据科学与分析领域，`Pandas` 是一个非常流行的库，而 `DataFrame` 是 `Pandas` 中最重要的数据结构之一。若你刚入行，下面这篇文章将指导你理解如何实现一个基本的 DataFrame 函数，并使你对其运用有初步的意识。
## 流程概述
在我们开始编写代码之前，我们需要明确实现一个 DataFrame 函数的几个
原创
2024-09-26 05:00:59
53阅读
构造函数DataFrame([data, index, columns, dtype, copy]) #构造数据框属性和数据DataFrame.axes #index: 行标签；columns: 列标签
DataFrame.as_matrix([columns]) #转换为矩阵
DataFrame.dtyp
转载
2023-08-30 07:22:23
141阅读
一、SAC过程
1. 内涵
SAC指的是分组操作中的split-apply-combine过程
其中split指基于某一些规则，将数据拆成若干组，apply是指对每一组独立地使用函数，combine指将每一组的结果组合成某一类数据结构
2. apply过程
在该过程中，我们实际往往会遇到四类问题：
整合（Aggregation）——即分组计算统计量（如求均值、求每组元素个数）
变换（Transfo
1. 基本统计特征函数统计特征函数：用于计算数据的均值、方差、标准数、分位数、相关系数、协方差等，这些统计特征可以反映出数据的整体分布。pandas主要统计特征函数1）sum（）：计算数据样本的总和。D.sum() # 表示按列计算数据样本的总和，样本D可以为DataFrame或者Series2）mean（）：计算数据样本的算术平均值。D.mean() # 表示按列计算样本D的算数平均值，样
转载
2023-09-04 11:54:58
296阅读
Pandas-Dataframe使用笔记一、Dataframe的读取和保存1.1 Dataframe导出csv# Dataframe转CSV
xlsx_file.to_csv('F:/XXX/XXX.csv', encoding="utf-8-sig",header=True)1.2 Pandas读取xlsx# xlsx_file_name 如：'F:/XXX/XXX.xlsx'
# 一般xlsx
转载
2023-07-10 21:39:17
761阅读
今天有个同学问到一个逻辑，就是not in的逻辑，想用SQL的select c_xxx_s from t1 left join t2 on t1.key=t2.key where t2.key is NULL在Python中的逻辑来实现，实现了left join了（直接用join方法），但是不知道怎么实现where key is NULL。 其实实现no
转载
2024-01-17 19:37:33
46阅读
Action 操作collect() ,返回值是一个数组，返回dataframe集合所有的行
collectAsList() 返回值是一个java类型的数组，返回dataframe集合所有的行
count() 返回一个number类型的，返回dataframe集合的行数
describe(cols: String*) 返回一个通过数学计算的类表值(count, mean, stddev, min,
转载
2024-07-29 20:41:57
13阅读
一. DataFrame的创建 创建一个空的dataframe df=pd.DataFrame(columns={"a":"","b":"","c":""},index=[0]) out:a c b
0 NaN NaN NaN 用list的数据创建dataframe：a = [['2', '1.2', '4.2'], ['0', '10', '0.3']
转载
2023-06-27 10:25:22
505阅读
1、lambda函数使用如下：lambda语句中，冒号前是参数，可以有多个，用逗号隔开，冒号右侧的是返回值>>> g=lambda x,y:x*y
>>> g(45,200)
9000使用lambda的好处：1、lambda函数可省去函数定义过程2、对于一些抽象，别的地方不会使用的函数3、lambda函数在有些时候会让代码容易理解>>> def
转载
2023-10-18 15:57:51
314阅读
0.写在前面DataFrame的排序操作比较简单，不过几函数尔这是本例要用到的DataFrame：import pandas as pd
import numpy as np
rst = np.random.RandomState(seed=2333) # 加入seed，使得生成的数据相同
example_array = rst.uniform(size=(5,5))
index = ['张飞
转载
2023-10-08 14:49:09
285阅读
DateFrameDateFrame:一个二维标记数据结构，具有可能不同类型的列，每一列可以是不同值类型(数值，字符串，布尔值)，既有行索引也有列索引。我们可以把它看作为excel表格，或者SQL表，或Series对象的字典。构建DateFrame的方法:字典类：数组、列表或元组构成的字典构造dataframe，Series构成的字典构造dataframe， 字典构成的字典构造dataframe列
转载
2023-10-10 10:48:03
116阅读
python
DataFrame是Python中Pandas库中的一种数据结构，它类似excel，是一种二维表。==简介DataFrame的单元格可以存放数值、字符串等，这和excel表很像，同时DataFrame可以设置列名columns与行名index。1、创建DataFrame1.1函数创建pandas常与numpy库一起使用，所以通常会一起引用i
转载
2023-09-18 09:08:18
100阅读
本文部分网络整理，部分个人整理 目录介绍Pandas中DataFrame基本函数整理（全）构造数据框属性和数据类型转换索引和迭代二元运算函数应用&分组&窗口描述统计学从新索引&选取&标签操作处理缺失值从新定型&排序&转变形态Combining& joining&merging时间序列作图转换为其他格式DataFrame基本函数举例导入
转载
2023-07-14 16:15:55
58阅读
来自C＃背景，变量和方法名称的命名约定通常是camelCase或PascalCase：// C# examplestring thisIsMyVariable = "a"public void ThisIsMyMethod()在Python中，我已经看到了上面的内容，但我也看到了使用下划线：# python examplethis_is_my_variable = 'a'def this_is_m
转载
2023-09-23 15:15:36
55阅读
DataFrame类具有很多方法，下面做用法的介绍和举例。pandas.DataFrame学习系列2——函数方法(1)1.abs()，返回DataFrame每个数值的绝对值，前提是所有元素均为数值型1 import pandas as pd
2 import numpy as np
3
4 df=pd.read_excel('南京银行.xlsx',index_col='Date')
5
转载
2023-10-03 15:46:53
150阅读
# Python函数应用dataframe
## 整体流程
首先，我们需要载入pandas库，然后创建一个DataFrame，并定义一个函数，最后应用这个函数到DataFrame中。
以下是整个过程的步骤表格：
| 步骤 | 描述 |
|------|-------------------------------------|
原创
2024-07-02 03:44:29
27阅读
# Python DataFrame 中的 `where` 函数
在进行数据分析时，处理数据集中需要选择特定条件下的数据记录是十分常见的需求。Python 的 Pandas 库提供了多种方法来实现这一功能，其中 `DataFrame.where()` 函数便是一个非常有用的工具。在本文中，我们将详细介绍 `where` 函数的用法、优缺点以及使用示例。
## 什么是 DataFrame `wh
