注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. pandasTrain.html python-pandas的一些小练习——东北大学大数据班数据挖掘实训Python基础二（2）

  2. python-pandas的一些小练习——东北大学大数据班数据挖掘实训Python基础二（2） 实训练习：练习使用pandas 包中的dataframe和方法。 1将数据读取为dataframe类型，命名为df 2查看数据的形状[了解数据有多少行、多少列] 3查看数据的最开始的7条数据和尾部的3条数据 4查看数据的各字段的类型 5查看数据是否有缺失值 6如果有缺失值，进行补0操作 7从df中按字段取出‘ date’’dist’和‘ flight’形成新的df1 8从df中按位置选取行为3和4，列

  3. 所属分类：Python

    • 发布日期：2020-03-29
    • 文件大小：329kb
    • 提供者：weixin_43124279

  1. DataManipulation-0.1.6-py3-none-any.whl

  2. 包含了一些数据操作用的函数，当前版本0.1.6。用于建模的数据清洗、重采样 、离散化、计算信息值等操作。拷贝后使用pip3 install + 路径/文件名即可。依赖的包目前为numpy,pandas和pickle，都是常用基础包

  3. 所属分类：讲义

    • 发布日期：2020-05-24
    • 文件大小：9kb
    • 提供者：yukai08008

  1. DataManipulation-0.1.7-py3-none-any.whl

  2. 包含了一些数据操作用的函数，当前版本0.1.6。用于建模的数据清洗、重采样 、离散化、计算信息值等操作。拷贝后使用pip3 install + 路径/文件名即可。依赖的包目前为numpy,pandas和pickle，都是常用基础包

  3. 所属分类：嵌入式

    • 发布日期：2020-05-30
    • 文件大小：10kb
    • 提供者：yukai08008

  1. 附有图形界面，完全可配置的表格操作小程序

  2. 可配置的操作excle表格，配置完成后，可实现多表格内容的加减乘除，复制粘贴排序筛选等，纯傻瓜式操作，参数配置表中包括中间参数，基础参数，筛选及批量填入，数据矫正等，1，基础参数，可以选择将指定表格中的单元格或直接复制或加减乘除等运算后填入指定表格，因只支持同表格的填入所以需要跨表格计算时，需要通过中间数据先将数据放入中间数据的表格，再从中间数据取数，进行计算，如需要一片区域相加可使用：符号，如-S6700- S6700 (C37/C72-C74：D78)*(-1) 口径：2020年银行业压力测

  3. 所属分类：Python

    • 发布日期：2020-09-12
    • 文件大小：156kb
    • 提供者：cehnwenjioe

  1. python中pandas.DataFrame的简单操作方法（创建、索引、增添与删除）

  2. 前言 最近在网上搜了许多关于pandas.DataFrame的操作说明，都是一些基础的操作，但是这些操作组合起来还是比较费时间去正确操作DataFrame，花了我挺长时间去调整BUG的。我在这里做一些总结，方便你我他。感兴趣的朋友们一起来看看吧。 一、创建DataFrame的简单操作： 1、根据字典创造： In [1]: import pandas as pd In [3]: aa={'one':[1,2,3],'two':[2,3,4],'three':[3,4,5]} In [4]: bb

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：70kb
    • 提供者：weixin_38709816

  1. pandas数据处理基础之筛选指定行或者指定列的数据

  2. pandas主要的两个数据结构是：series（相当于一行或一列数据机构）和DataFrame（相当于多行多列的一个表格数据机构）。 本文为了方便理解会与excel或者sql操作行或列来进行联想类比 1.重新索引：reindex和ix 上一篇中介绍过数据读取后默认的行索引是0,1，2,3…这样的顺序号。列索引相当于字段名(即第一行数据)，这里重新索引意思就是可以将默认的索引重新修改成自己想要的样子。 1.1 Series 比方说：data=Series([4,5,6],index=[‘a’,’b

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：262kb
    • 提供者：weixin_38625559

  1. Pandas:DataFrame对象的基础操作方法

  2. DataFrame对象的创建，修改，合并 import pandas as pd import numpy as np 创建DataFrame对象 # 创建DataFrame对象 df = pd.DataFrame([1, 2, 3, 4, 5], columns=['cols'], index=['a','b','c','d','e']) print df cols a 1 b 2 c 3 d 4 e 5 df2 = pd.DataFrame([[1, 2, 3],[4, 5, 6]

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：47kb
    • 提供者：weixin_38668243

  1. 小白学 Python 数据分析（6）：Pandas （五）基础操作（2）数据选择

  2. 人生苦短，我用 Python 前文传送门： 小白学 Python 数据分析（1）：数据分析基础 小白学 Python 数据分析（2）：Pandas （一）概述 小白学 Python 数据分析（3）：Pandas （二）数据结构 Series 小白学 Python 数据分析（4）：Pandas （三）数据结构 DataFrame 小白学 Python 数据分析（5）：Pandas （四）基础操作（1）查看数据 引言 上一篇文章我们介绍如何在 Pandas 一些基础的查看数据的操作，但是官方更推荐我

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：102kb
    • 提供者：weixin_38618024

  1. 小白学 Python 数据分析（6）：Pandas （五）基础操作（2）数据选择

  2. 人生苦短，我用 Python 前文传送门： 小白学 Python 数据分析（1）：数据分析基础 小白学 Python 数据分析（2）：Pandas （一）概述 小白学 Python 数据分析（3）：Pandas （二）数据结构 Series 小白学 Python 数据分析（4）：Pandas （三）数据结构 DataFrame 小白学 Python 数据分析（5）：Pandas （四）基础操作（1）查看数据 引言 上一篇文章我们介绍如何在 Pandas 一些基础的查看数据的操作，但是官方更推荐我

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：102kb
    • 提供者：weixin_38687904

  1. Pandas基础–数据结构和索引操作

  2. Pandas基础 引言 Pandas是基于Numpy的库，但功能更加强大，Numpy专注于数值型数据的操作，而Pandas对数值型，字符串型等多种格式的表格数据都有很好的支持。 内容介绍 1.数据结构（Series,DataFrame,Panel） 2.索引操作 3.数据运算 4.层次化索引 5.可视化(暂时忽略) 6.示例1 7.外部数据的读取与存储（csv,txt,json,excel,数据库,web数据） 8.示例2 9.数据清洗与整理 10.示例3 11.数据分组与聚合 12.示例4 1

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：151kb
    • 提供者：weixin_38629362

  1. Numpy基础学习

  2. Numpy 基础 引言 这是一篇介绍Numpy基础的文章，是我啃书的笔记，不对Numpy的实现原理和高级特性等细节 做过多研究，学会基础的Numpy就可以应对日常的大部分数值型数据的操作，后面的博客我会 继续记录Pandas的学习进程，它将会更加强大。 # numpy基础 数组和矢量计算 # ndarray是一个同构数据多维模型： import numpy as np list=[1,2,3,4,"a","b"] myndarry=np.array(list) # 注意是np.array(

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：207kb
    • 提供者：weixin_38530415

  1. pandas基础操作1.0

  2. pandas基础操作 一、pandas常用数据类型 1、Series 一维，带标签数组 2、DataFrame，二维，Series容器 二、创建 series 1、Series的创建（直接接受一个数组，默认的index是0开始的序列） import pandas as pd import string t = pd.Series([1,2,3,4]) Out[1]: 0 1 1 2 2 3 3 4 dtype: int64 type(t) #pandas.core.

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：135kb
    • 提供者：weixin_38691641

  1. Numpy库与Pandas库基础

  2. 文章目录Numpy数组操作矩阵操作PandasSeriesDataFrame常用方法 Numpy 全称Numerical Python，支持N维数组对象ndarray。 ndarray是用于存放同类型元素的多维数组； ndarray中每个元素是数据类型对象的对象（成为dtype）； 数组操作 import numpy as np #创建数组 a = [1,2,3,4] b = np.array(a) c = np.array([[1,2],[3,4]]) np.zeros(3) #全

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：64kb
    • 提供者：weixin_38582719

  1. pandas基础这一篇足以,看完即成初级数据分析师

  2. 本文是基于上一篇pandas的补充,为了不影响知识整体的结构,写在一起,方便客官们查阅.后期的博客还会有pandas的高级内容 小弟的目录1.1Pandas概述:1.2Pandas的数据结构分析SeriesSeries的介绍Series对象的创建DataFrameDataFrame的介绍:DataFrame对象的创建:重置索引reindex参数说明1.3索引操作Series类型的索引操作DataFrame的索引操作pandas库中提供了操作索引的方法来访问数据1.4pandas的算术运算和数据

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：113kb
    • 提供者：weixin_38504687

  1. python数据分析之Pandas数据结构和操作

  2. Pandas是什么？1、一个强大的分析结构化数据的工具集2、基础是NumPy，提供了高性能矩阵的运算3、应用在数学挖掘，数据分析。比如，学生成绩分析，股票数据分析等4、提供数据清洗功能Pands数据结构，主要分为两种，Series和DataFrame1、类似一维数组的对象2、通过list构建Seriesser_obj=pd.Series(rang(10))3、由数据和索引组成索引在左，数据在右索引是自动创建的4、获取数据和索引5、预览数据(取前几个)ser_obj.head(n)6、通过索引获取

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：252kb
    • 提供者：weixin_38745434

  1. Exploratory_Data_Analysis_Visualization_Python：使用PyData生态系统进行数据分析和可视化：Pandas，Matplotlib Numpy和Seaborn-源码

  2. Python中的探索性数据分析和可视化 Python编程第1和2部分 循环播放 功能 Lambda表达式 方法 科学 Matplotlib第1和2部分 子图 自定义情节外观 Matplotlib-基础 多图 子图 设置颜色 Matplotlib高级 对数刻度 文字注解 轴格 双轴 3D图 Matplotlib的FiveThirty38可视化 自定义刻度线和坐标轴 添加标题和字幕 添加签名栏 一维和二维数据的NumPy和Pandas 异同 皮尔逊的r函数 脾气暴躁的 创建数组 索引和选择 基本操

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：23mb
    • 提供者：weixin_42118161

  1. python数据分析之Pandas数据结构和操作

  2. Pandas是什么？ 1、一个强大的分析结构化数据的工具集 2、基础是NumPy，提供了高性能矩阵的运算 3、应用在数学挖掘，数据分析。比如，学生成绩分析，股票数据分析等 4、提供数据清洗功能 Pands数据结构，主要分为两种，Series和DataFrame

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：231kb
    • 提供者：weixin_38733414

  1. 小白学 Python 数据分析（5）：Pandas （四）基础操作（1）查看数据

  2. 在家为国家做贡献太无聊，不如跟我一起学点 Python 人生苦短，我用 Python 前文传送门： 小白学 Python 数据分析（1）：数据分析基础 小白学 Python 数据分析（2）：Pandas （一）概述 小白学 Python 数据分析（3）：Pandas （二）数据结构 Series 小白学 Python 数据分析（4）：Pandas （三）数据结构 DataFrame 引言 最近这个系列有段时间没更新，理由也就不找了，总结就一点，懒！懒得学习！ 我就是这么一个能勇于发现并且承认错误

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：283kb
    • 提供者：weixin_38634323

  1. [AI 基础] Pandas使用总结

  2. 前言 Pandas是机器学习三剑客之一，我们知道Numpy能够对数据进行很好的分析、操作、矩阵计算等，Pandas更侧重于数据的处理和分析，它的底层是使用Numpy实现的，在数据处理和分析方面提供了强大的功能。下面就总结一下日常使用操作。 程序运行环境：window10 Python3.7 (Anaconda) Pandas 1.0.1 编辑工具：jupyter 在日常数据分析中，经常使用的是CSV文件，本文也主要记录该文件的相关处理方式。 （补充：默认的csv文件是以“,”隔开的文本文件，使用

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：86kb
    • 提供者：weixin_38715721

  1. 数据科学包——pandas基础（核心数据结构）

  2. 文章目录一、Series1.创建1.1 从 ndaray 创建1.2 从字典创建1.3 从标量创建2.Series对象2. Series 是类 ndarray 对象2.2 Series 是类字典对象3.标签对齐操作4.name属性二、DataFrame1.创建1.1 从字典创建1.2 从结构化数据中创建1.3 从字典列表创建1.4 从元组字典创建1.5 从 Series 创建2.列选择/增加/删除2.1 选择列2.2 删除列2.3 插入列3.索引和选择4.数据对齐5.使用 numpy 函数6.T

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：91kb
    • 提供者：weixin_38725531
« 12 »