当前位置: 首页 > news >正文

淘宝网电脑版登录入口官网枫林seo工具

淘宝网电脑版登录入口官网,枫林seo工具,ps和dw怎么做网站,自己怎样创建网站目录 1.Pandas简介 2.Series的创建 1.通过数组列表来创建 2.通过传入标量创建 3.通过字典类型来创建 4.通过numpy来创建 3.Series的索引和应用 1. 通过index和values信息 2. 通过切片方法获取信息 4.DataFrame的创建 1.直接创建 2.矩阵方式创建 3.字典类型创建 5.…

目录

1.Pandas简介

2.Series的创建

1.通过数组列表来创建

2.通过传入标量创建

3.通过字典类型来创建 

 4.通过numpy来创建

3.Series的索引和应用

1. 通过index和values信息

2. 通过切片方法获取信息

4.DataFrame的创建

1.直接创建

2.矩阵方式创建

3.字典类型创建

5.DataFrame的索引和应用

1.DataFrame的索引信息提取

2.DataFrame的数据选择

3.索引器操作实例

1.Pandas简介

#Pandas简介
"""
Pandas(Panel data analysis)是一个强大的分析结构化数据的工具集,
使Python成为高效的数据分析环境。
1.Pandas的基础是NumPy(提供高性能的矩阵运算)
2.Pandas可用于数据挖掘和数据分析,同时也提供数据清洗功能
3.Pandas提供Series、DataFrame等数据结构DataFrames:二维数据,整个表格,多行多列
Series:一维数据,一行或者一列
"""

2.Series的创建

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
list1=[4,3,-3,10]

1.通过数组列表来创建

#Series的创建
a_ser=pd.Series(list1)
a_ser#一列是索引,一列是数值

2.通过传入标量创建

#传入标量
s=pd.Series(22)
s=pd.Series(22,['a','b','c'])
s

3.通过字典类型来创建 

#通过字典来创建Series
a_dic={'a':92,'b':45,'c':33}
a=pd.Series(a_dic)
a
%%
#传入字典并且自定义索引
a=pd.Series({'A':90,'B':90,'C':90},index=['B','C','D'])
a

 4.通过numpy来创建

#通过ndarray
b=pd.Series(np.arange(10,15),index=np.arange(20,25))
b

3.Series的索引和应用

1. 通过index和values信息

%%
#通过index和values获取所引和
print(b.index)
print(b.values)
%%
#index对象
b=pd.Series(['A','B','C'])
b
%%
b.index
%%
b.values

2. 通过切片方法获取信息

%%
a[1:3]
%%
#统计方面的用法
a.mean()
%%
#in函数的用法
#表示如果在Series中返回True,否则返回False
b=dict(a)
b
%%
'a' in a
'v' in a
'b' in a

4.DataFrame的创建

1.直接创建

# Dataframe building 
# axis=0 axis=1
g=np.random.randint(60,100,(4,2))
g_df=pd.DataFrame(g,index=['Mary','Bob','Lee','Rose'],columns=['math','chinese'])
g_df

2.矩阵方式创建

# dataframe -- ndarray()
a_df=pd.DataFrame(np.random.rand(3,4),index=['A','B','C'])
a_df

3.字典类型创建

g_dic={'math':[96,92,89,90],'chinese':[90,21,89,79]}
b=pd.DataFrame(g_dic,index=['Mary','Bob','Lee','Rose'])
b

5.DataFrame的索引和应用

1.DataFrame的索引信息提取

# dataframe -- ndarray()
a_df=pd.DataFrame(np.random.rand(3,4),columns=['x','y','z','v'],index=['one','two','three'])
a_df%%
# basical actions for DataFrame functions
a_df.index%%
a_df.columns#列
%%
a_df.values#值
%%
a_df['x']#x列的信息
%%
a_df.T#dateframe转置
%%
a_df[:2]#切片
%%
a_df[['x','v']]#多个切片

2.DataFrame的数据选择

# DataFrame的数据选择
"""
对DataFrame的数据进行更灵活的选择,Pandas提供索引器(indexer)属性作为取值方法.
 1.使用索引器iloc、loc,提供灵活的索引形式.
 2.可使用loc(自定义索引)或iloc(自动索引)以NumPy风格的语法从DataFrame中选取行和列数据
 3.通过loc和iloc,行、列数据都可以做切片和花式索引.
"""
%%
a_df
%%
a_df.loc[['one','two']]#提取前两行
%%
#同时也可以用切片索引
a_df.loc[:,['x','y','z']]
#当然也能够提取一部分

3.索引器操作实例

#索引器操作实例
s_dic={'Python':[60,99,81,66],'C':[63,69,96,84],'Java':[63,79,83,84]}
score=pd.DataFrame(s_dic,index=['Ann','Bob','Cindy','Lee'])
score
%%
#选择单行或者指定行
score.iloc[[0,2],[0,1]]#numpy的匹配对象(0,0)(2,1)
%%
#.loc
score.loc['Ann':'Cindy']
%%
#.iloc
score.iloc[0:2]
%%
#loc和iloc都可以修改数据
score.loc['Ann','C']=100
score.iloc[2,2]=99
score

http://www.dinnco.com/news/36298.html

相关文章:

  • react 做网站免费二级域名申请网站
  • 网站会员模板网络营销策划方案怎么做
  • 魔域永恒网页游戏一个网站可以优化多少关键词
  • java 网站开发流程网站建设流程图
  • 广州公司注册地址迁址网上办理seo查询爱站
  • 超市供应商平台百度seo指南
  • 佛山网站建设哪个好点广州网站建设
  • wix英文网站建设长沙关键词排名软件
  • 模板网站建设哪家专业推广普通话的内容
  • 如何建设自己的公司网站网上推广渠道有哪些
  • 重庆一站式建设网站平台全网自媒体平台大全
  • 哈尔滨网站建设服务十大洗脑广告
  • 专业做网站建设的公司微信营销号
  • 水利部建设管理与质量安中心网站朋友圈的广告推广怎么弄
  • 分类wordpress成都百度推广和seo优化
  • eclipse做网站代码网络推广怎么样
  • wordpress登录接口百度seo优化系统
  • wordpress隐藏站点标题环球网最新消息疫情
  • 天津武清网站开发百度知道合伙人答题兼职入口
  • 西城做网站公司深圳网络营销全网推广
  • 大庆做网站的公司河北seo公司
  • 中国建设工程招标官方网站站长工具seo综合查询是什么
  • seo 网站地图营销知识和技巧
  • 临沂企业做网站31省市新增疫情最新消息
  • 提高网站目标流量关键词竞价排名是什么意思
  • 重庆建设工程质量监督检测中心seo关键词排名优化费用
  • 车工订单网站北京快速优化排名
  • wordpress4.94主题上传不显示seo顾问能赚钱吗
  • 会员制网站 建设百度网盘破解版
  • tooopen素材公社新站点seo联系方式