算法-lowb三人组
Posted forjie
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了算法-lowb三人组相关的知识,希望对你有一定的参考价值。
---恢复内容开始---
d定义:
pandas是一个强大的Python数据分析的工具包。
pandas是基于NumPy构建的。
安装方法:
pip install pandas
import pandas as pd
pandas的主要功能
具备对其功能的数据结构DataFrame、Series
集成时间序列功能
提供丰富的数学运算和操作
灵活处理缺失数据
Series
定义:Series是一种类似于一位数组的对象,由一组数据和一组与之相关的数据标签(索引)组成。
创建方式:
创建方式: pd.Series([4,7,-5,3]) pd.Series([4,7,-5,3],index=[\'a\',\'b\',\'c\',\'d\']) pd.Series({\'a\':1, \'b\':2}) pd.Series(0, index=[\'a\',\'b\',\'c\',\'d’])
获取值数组和索引数组:values属性和index属性
Series比较像列表(数组)和字典的结合体。
实例:
sr=pd.Series([1,2,3,4],index=[\'a\',\'b\',\'c\',\'d\']) sr[\'a\':\'c\'] ==> a -4 b 3 c 5 dtype: int64 sr[[\'a\',\'d\']] == a -4 d 6 dtype: int64 判断 条件是键不是值 \'b\' in sr == true 1 in sr == flase 取值: 取值的方法和字典相类似 sr.get(\'a\',0)
sr=pd.Series([1,2,3,4],index=[\'b\',\'c\',\'d\',\'a\']) b 1 c 2 d 3 a 4 dtype: int64 sr.iloc[1] #取索引为1 == 2 sr.ilc[2] #取索引为2 == 3
sr=pd.Series([1,2,3,4],index=[\'b\',\'c\',\'d\',\'a\']) sr1=pd.Series([5,6,7,8,9],index=[\'a\',\'b\',\'c\',\'d\',\'e\']) sr2=pd.Series([5,6,7,8,9,10],index=[\'a\',\'b\',\'c\',\'d\',\'e\',\'f\']) sr+sr1 == a 9.0 b 7.0 c 9.0 d 11.0 e NaN dtype: float64 PS:多出来的值只是NAN add方法 sr3=sr.add(sr2,fill_value=0) sr3: == a 9.0 b 7.0 c 9.0 d 11.0 e 9.0 f 10.0 dtype: float64 用add方法:没有就加上,不会出现Nan
sr4 a 9.0 b 7.0 c 9.0 d 11.0 e NaN dtype: float64 sr4.notnull() a True b True c True d True e False dtype: bool sr4[sr4.notnull()] #把是NAN的去掉 a 9.0 b 7.0 c 9.0 d 11.0 sr4.dropna() #也是直接去掉为nan的 a 9.0 b 7.0 c 9.0 d 11.0 dtype: float64
sr=pd.DataFrame({\'one\':[1,2,3,4],\'two\':[32,4,5,6]},index=[\'a\',\'s\',\'d\',\'q\'])
import random li = [random.uniform(10,20) for _ in range(1000)] ratio = 6.3 list(map(lambda x:x*ratio, li))
df = pd.read_csv(\'601318.csv\', header=None, names=list(\'asdfghjk\'))
df = pd.read_csv(\'601318.csv\',index_col=1, parse_dates=[\'date\']) df
df.groupby(\'key1\').sum()
---恢复内容结束---
以上是关于算法-lowb三人组的主要内容,如果未能解决你的问题,请参考以下文章