苏格拉底有话说

分类

Python教程(2) VBA教程(3) [LeetCode]-[DataBase](10) 数据分析第三方库(11) 概率论与数理统计(1) 正则表达式(1) 网络爬虫与信息提取(4)

/ 注册

全部文章（共7篇）

利用Python进行数据分析-Pandas(第一部分)

利用Python进行数据分析-Pandas：　　在Pandas库中最重要的两个数据类型，分别是Series和DataFrame。如下的内容主要围绕这两个方面展开叙述！　　在进行数据分析时，我们知道有两个基础的第三方库在数据处理时显得尤为重要，即分别为NumPy库和Pandas库，前面的章节我...

Pandas

2019-11-26

0 599

利用Python进行数据分析-Pandas(第六部分-数据聚合与分组运算)

　　对数据集进行分组并对各组应用一个函数（无论是聚合还是转换），通常是数据分析工作中的重要环节。在将数据集加载、融合、准备好之后，通常是计算分组统计或生成透视表。pandas提供了一个灵活高效的groupby功能，它使你能以一种自然的方式对数据集进行切片、切块、摘要等操作。　　关系型数据库和SQ...

Pandas

2019-12-11

0 592

利用Python进行数据分析-Pandas(第二部分)

上一个章节中我们主要是介绍了pandas两种数据类型的具体属性，这个章节主要介绍操作Series和DataFrame中的数据的基本手段。一、基本功能 1、重新索引　　pandas对象的一个重要方法是reindex，其作用是创建一个新对象，它的数据符合新的索引： import pan...

Pandas

2019-11-29

0 795

利用Python进行数据分析-Pandas(第三部分)

　　访问数据是使用本书所介绍的这些工具的第一步。这里会着重介绍pandas的数据输入与输出，虽然别的库中也有不少以此为目的的工具。　　输入输出通常可以划分为几个大类：读取文本文件和其他更高效的磁盘存储格式，加载数据库中的数据，利用WEB API操作网络资源。 1、读写文本格式的数据　　p...

Pandas

2019-12-01

0 885

利用Python进行数据分析-Pandas(第四部分-数据清洗和准备)

　　在数据分析和建模的过程中，相当多的时间要用在数据准备上：加载、清理、转换以及重塑上。这些工作会占到分析时间的80%或更多。有时，存储在文件和数据库中的数据的格式不适合某个特定的任务。研究者都选择使用编程语言（如Python、Perl、R或Java）或UNIX文本处理工具（如sed或awk）对数据...

Pandas

2019-12-05

0 872

利用Python进行数据分析-Pandas(第五部分-数据规整：聚合、合并和重塑)

　　在许多应用中，数据可能分散在许多文件或数据库中，存储的形式也不利于分析。本部分关注可以聚合、合并、重塑数据的方法。 1、层次化索引　　层次化索引（hierarchical indexing）是pandas的一项重要功能，它使你能在一个轴上拥有多个（两个以上）索引级别。抽象点说，它使你能以低...

Pandas

2019-12-08

0 592

利用Python进行数据分析-Pandas(第七部分-时间序列)

　　时间序列（time series）数据是一种重要的结构化数据形式，应用于多个领域，包括金融学、经济学、生态学、神经科学、物理学等。时间序列数据的意义取决于具体的应用场景，主要有以下几种：时间戳（timestamp），特定的时刻。固定时期（period），如2007年1月或2010...

Pandas

2019-12-17

0 539