NumPy进阶修炼第三期 import numpy as np import pandas as pd import warnings warnings.filterwarnings("ignore") 41 生成指定格式数据 备注：使用numpy生成6行6列的二维数组，值为1-100随机数 dat ...
分类：
其他好文 时间：
2021-05-24 00:03:44
阅读次数：
0
1-20 import pandas as pd import numpy as np 1.将下面的字典创建为DataFrame data = {"grammer":["Python","C","Java","GO",np.nan,"SQL","PHP","Python"], "score":[1, ...
分类：
其他好文 时间：
2021-05-23 23:28:56
阅读次数：
0
03. Pandas数据结构 Series DataFrame 从DataFrame中查询出Series 1. Series Series是一种类似于一维数组的对象，它由一组数据（不同数据类型）以及一组与之相关的数据标签（即索引）组成。 1.1 仅有数据列表即可产生最简单的Series 1.2 创建 ...
分类：
其他好文 时间：
2021-05-04 16:14:19
阅读次数：
0
1. 算术运算 add(other) 比如进行数学运算加上一个具体数字 data["open"].add(10) # open列加10 # data["open"] + 10 # 一般不这么写 sub(other) 用法同add 2. 逻辑运算 2.1. 逻辑运算符号 逻辑运算类型：>, >=, < ...
分类：
其他好文 时间：
2021-05-04 16:04:10
阅读次数：
0
1. CSV 1.1. read_csv pandas.read_csv(filepath_or_buffer, sep=',') filepath_or_buffer：文件路径 usecols：列表，指定读取的列名 # 读取文件，并指定只获取open和close这两列 data = pd.read ...
分类：
其他好文 时间：
2021-05-04 16:03:35
阅读次数：
0
1. 如何处理NaN 获取缺失值的标记方式（NaN或其他标记方式） 如果缺失值的标记方式是NaN 判断数据是否包含NaN： pd.isnull(df) pd.notnull(df) 存在缺失值NaN： 删除存在的缺失值： dropna(axis='rows') 注：不会修改原数据，而是返回删除后的数 ...
分类：
其他好文 时间：
2021-05-04 16:03:00
阅读次数：
0
1. 为什么要离散化 连续属性离散化的目的是为了简化数据结构，数据结构离散化技术可以用来减少给定连续属性值的个数。离散化方法经常作为数据挖掘的工具。 2. 什么是数据的离散化 连续属性的离散化就是在连续属性的值域上，将值域划分为若干个离散的区间，最后用不同的符号或整数、值代表落在每个子区间中的属性值 ...
分类：
其他好文 时间：
2021-05-04 16:02:26
阅读次数：
0
引入Pandas，用于有关数据处理和分析的环节。 一、读取数据文件 1 .读取excel数据文件 1.1加载Excel表，使用skiprows=1跳过首行【对于一个excel文件，首行一般为字段的定义（标题行），第二行才为数据】 并指定加载的列，注意数据文件的编码，默认utf-8，常用还有gb231 ...
分类：
其他好文 时间：
2021-04-29 11:36:23
阅读次数：
0
Pandas数据处理： 导?数据 导出数据 查看数据 数据选取 数据处理 数据分组和排序 数据合并 # 在使用之前，需要导入pandas库 import pandas as pd 导?数据： pd.DataFrame() # 自己创建数据框，用于练习 pd.read_csv(filename) # ...
分类：
其他好文 时间：
2021-04-28 12:19:39
阅读次数：
0
import pandas as pd import os import re path = "./files/" files = os.listdir(path) # 用于存放Excel，里面的每个元素类型为：pandas.core.frame.DataFrame list_excel = [] ...
分类：
编程语言 时间：
2021-04-27 14:43:38
阅读次数：
0
