时如果遇到各种问题请移
原创
2023-05-21 17:19:08
136阅读
整个第四章都是数据预处理。4.1是数据清洗。就是处理无关数据，缺失或者异常数据等等。具体看书，就不赘述了，还是上代码实践。书上给的代码是有问题的！ 拉格朗日插值代码1. import pandas as pd #导入数据分析库Pandas
2. from scipy.interpolate import lagrange #导入拉格朗日插值函数
1. inputfile = 'da
四
原创
2021-08-02 13:41:15
197阅读
字典排序：import numpy as npimport datetime# 日期转成字符串def datestr2num(s): return datetime.datetime.strptime(s, "%d-%m-%Y").toordinal()# 读取 AAPL 的日期和收盘...
转载
2021-06-29 13:31:58
314阅读
这是一个经常在机器学习中需要用到的操作，比如我们现在有一个dataframe样的数据集，我们需要把它feed进一个模型之中，我们首先要进行数据集的构造和切分工作.比如数据集是一个日频的股票数据，我们要构造的样本，每一个样本回看100天，即长度是100，步长为2的数据，我们可以借助numpy下的一个函数
原创
2022-03-02 16:08:55
685阅读
NumPy1.向量-一维数组1.1 初始化1.1.1 向量初始化1.1.2 其他初始化向量方法1.1.3 序列数组初始化1.1.4 随机数组初始化1.2 向量索引1.3 向量操作2.矩阵-二维数组2.1 矩阵初始化2.2 轴参数2.3 行向量与列向量2.4 矩阵操作2.5 Meshgrids2.6 矩阵统
原创
2022-06-24 00:08:47
227阅读
Python是数据科学家十分喜爱的编程语言，其内置了很多由C语言编写的库，操作起来更加方便，Python在网络爬虫的传统应用领域，在大数据的抓取方面具有先天优势，目前，最流行的爬虫框架Scrapy、HTTP工具包urlib2、HTML解析工具、XML解析器lxml等，都是能够独当一面的Python类库。Python十分适合数据抓取工作，对于大数据的处理，Python在大数据处理方面的优势有：1、异
转载
2023-06-28 15:50:52
429阅读
概述Excel固然功能强大，也有许多函数实现数据处理功能，但是Excel仍需大量人工操作，虽然能嵌入VB脚本宏，但也容易染上宏病毒。python作为解释性语言，在数据处理方面拥有强大的函数库以及第三方库，excel作为主要基础数据源之一，在利用数据进行分析前往往需要预先对数据进行整理。因此，本文就python处理excel数据进行了学习，主要分为python对excel数据处理的常用数据类型以及常
转载
2023-08-09 10:53:15
327阅读
4. 数据库处理0. 简介0.1 安装pip install numpy pandas或者pip3 install numpy pandas1. numpy1.1 基本属性import numpy as np
array=[[1,2,3],[4,5,6]]
arr=np.array(array)
# 打印矩阵
print(arr)
# 维度 --二维矩阵
print(arr.ndim)
# 矩阵
原创
2023-05-10 18:13:20
149阅读
NumPy学习（一） NumPy数组创建 NumPy数组属性 NumPy数学算术与算数运算 NumPy数组创建 它从任何暴露数组接口的对象，或从返回数组的任何方法创建一个ndarray。 dtype用来设置元素的数据类型 最简单的创建方式 1. 创建特殊数组 返回特定大小，以 0 填充的新数组。 n
转载
2019-01-12 23:34:00
89阅读
2评论
在数据科学、工程计算和机器学习等领域，处理大规模数组数据是常见的需求。numpy 是 Python 中最为流行的科学计算库之一，专门为高效处理数组和矩阵数据而设计。它提供了丰富的数学函数和数组操作功能，是实现复杂数据分析和计算的基础工具。本文将介绍 numpy 的基本操作，并展示如何使用它来处理数组数据。一、numpy 的安装与导入在开始使用 numpy 之前，首先确保已安装该库。你可以使用以下命
原创
2024-09-09 17:11:40
107阅读
Python 字符串切割处理，file()方法读取、写入文件
近期碰到一个问题，两套系统之间数据同步出了差错，事后才发现的，又不能将业务流程倒退，但是这么多数据手工处理量也太大了，于是决定用Python偷个小懒。1、首先分析数据。两边数据库字段的值都是一样，先将这边数据库的数据查询导出，正好是2列120多行的数据。那么目标就是拼接成update from
转载
2020-04-04 14:37:00
272阅读
尝试学习Python，更主要还是为了解决工作中的困难。现在的工作，需要汇总和分析所有site的销量、费用和活动执行情况，由于工作量较为庞大，而实际上并不复杂，所以摸索尝试用python进行处理。当然，写到这里的时候，我还是个刚刚完成编程环境搭建的、刚开始接触列表的纯小白，由于工作并不涉及到编程，我决定跳跃发展，直接尝试通过在网上找到的代码来完成Excel数据处理工作，希望在这个过程中逐渐熟悉pyt
转载
2023-05-27 09:30:57
218阅读
文章目录1. pandas简介2. pandas 用法2.1 pandas的数据格式2.2 数据的导入和自生成数据pandas的行列数据的获取pandas 条件筛选数据pandas数据的数据处理pandas 缺失值，重复(异常值)等的处理缺失值的处理补充（数据相关性的计算）以及显著性检验 1. pandas简介pandas是一个是一个python包，可以很大程度上加快我们对数据的处理。花费时间把
转载
2024-01-11 21:43:37
98阅读
首先了解使用python进行数据处理常用的两个包：numpy和pandas。numpy最重要的特点就是n维数组对象ndarray是一个快速而灵活的大数据集容器，它是一个通用的同构数据多维容器，即所有的元素必须是相同的类型，每个数组有一个shape（表示维度大小的元组），一个dtype（说明数组数据类型的对象）。1.创建数组常使用的函数有：array,arange 例如： array函数： aran
转载
2023-09-16 21:26:25
484阅读
1、选择建模数据 我们的数据集有太多的变量，很难处理，我们需要将这些海量的数据减少到我们能理解的程度。 我们肯定要选择变量的一列来进行分析，故我们需要查看数据集中所有列的列表名，这是通过数据框架的Columns属性完成的。 以之前的墨尔本房价为例import pandas as pd
# 将文件路径保存到变量以便于访问
melbourne_file_path = '
转载
2023-05-28 21:07:45
301阅读
Pandas使用一个二维的数据结构DataFrame来表示表格式的数据，相比较于Numpy，Pandas可以存储混合的数据结构，同时使用NaN来表示缺失的数据，而不用像Numpy一样要手工处理缺失的数据，并且Pandas使用轴标签来表示行和列。1、文件读取首先将用到的pandas和numpy加载进来import pandas as pdimport numpy as np读取数据：#csv和xls
转载
2024-01-30 19:10:34
144阅读
6.数据处理实例6.1.数据如图: 6.2.需求: 6.3.处理数据: 我个人拿到数据，直接想着转换成DataFrame,然后着手算总分，然后直接数据分组,还是太年轻了...self.df["total"] = self.df.英语 + self.df.体育 + self.df.军训
转载
2023-09-12 15:19:41
65阅读
preface：最近在整内比赛MDD。遇到一些数据处理方面的事情，用python pandas是最为方便的，远比我想象的强大。几行代码就完成了数据的处理，多个文件的融合，再用sklearn里面的模型跑一跑，就能得到结果。为此，经常记录下来，对数据处理的应用。一、Pandas合集df = pd.read_csv('%s/%s' % (input_path, file_name))：read_csv(
转载
2023-12-02 21:13:37
87阅读
1、选择建模数据 我们的数据集有太多的变量，很难处理，我们需要将这些海量的数据减少到我们能理解的程度。 我们肯定要选择变量的一列来进行分析，故我们需要查看数据集中所有列的列表名，这是通过数据框架的Columns属性完成的。 以之前的墨尔本房价为例 import pandas as pd
# 将文件路径保存到变量以便于访问
melbourne_file_path =
转载
2023-06-26 13:24:05
215阅读
