第08章 数据规整：聚合、合并和重塑 8.1 层次化索引 import pandas as pd import numpy as npdata = pd.Series(np.random.randn(9),index=[['a', 'a', 'a', 'b', 'b', 'c', 'c', 'd', 'd'],[1, 2, 3, 1, 3, 1, 2, 2, 3]]) print(data) data.indexa 1 1.1347712 -0.6549123 0.048867 b 1 -1.3804273 -0.231125 c 1 1.1314602 1.109319 d 2 0.0640493 -1.437599 dtype: float64MultiIndex([('a', 1),('a'...
立即学习:https://edu.csdn.net/course/play/27352/363910?utm_source=blogtoedu算数操作 比较操作 位运算 掩码操作 指定输出 外积 通用函数： 点赞 收藏分享文章举报phil_ai发布了3 篇原创文章 · 获赞 1 · 访问量 9私信 关注
解决《利用python进行数据分析》P139报错问题 index must be monotonic increasing or decreasingframe.reindex(index=[a,b,c,d],method=ffill,columns=states)报错：index must be monotonic increasing or decreasing 修改代码：把method=‘ffill’拿出来注意，是method的方法，参数ffill后面加"()"frame4=frame.reindex(index=[a,b,c,d], columns=states).ffill()结果为：Texas Utah California a 1.0 NaN 2.0 b NaN NaN NaN c ...
参考资料： 《Python数据分析基础》，作者[美]Clinton W. Brownley，译者陈光欣，中国工信出版集团，人民邮电出版社Excel文件简述 ??Microsoft Excel是Microsoft为使用Windows和Apple Macintosh操作系统的电脑编写的一款电子表格软件，它几乎无处不在，是商业活动中不可或缺的工具。使用Python可以处理Excel文件中的数据。 ??与Python的csv模块不同，Python中没有处理Excel文件的标准模块。我们需要安装xlrd和xlwt两个模块。 内省E...
日期：2020.01.28 博客期：136 星期二 今天主要是在网上找学习网站，爬取方面就参照之前爬到的数据做了一个简单的云图信息展示（Java Web），但是老师要求最好是用APP或者微信小程序（你认真的吗？），我目前就知道使用 Android Studio 开发App 项目，使用官方的软件开发微信小程序。但已经有半年不动这方面的东西了。还有就是那个文档生成...这大数据的数据量要用来生成的doc文档大小我不敢想！！！究竟要怎样的完成需求呢？我还...
日期：2020.01.27 博客期：135 星期一 【本博客的代码如若要使用，请在下方评论区留言，之后再用（就是跟我说一声）】今天问了一下老师，信息领域热词从哪里爬，老师说是IT方面的新闻，嗯~有点儿意思了！我找到了好多IT网站，但是大多数广告又多，名词也不专一针对信息领域，所以啊我就暂且用例一个相对还好的例子：数据来源网址：https://news.51cto.com/（最终不一定使用此网站的爬取数据）网站的相关热词来源截图： 如图...
??之前的5篇文章全部讲的是处理单个CSV文件。但是，在大多数情况下，我们需要处理很多文件，而手工处理效率低，或者文件多到手工处理根本行不通。在这种情况下，使用Python可以规模化地处理文件，减少了人为工作量的同时，也有效地减少了人为犯错的概率。 ??为了规模化地处理CSV文件，我们需要使用Python内置的glob模块。我们使用下面的语句来导入该模块： import glob读取多个CSV文件 ??在本例中，我们需要先新建3个CSV文件，如下...
要求： ① 按照“类型”字段分类，筛选不同电影属于什么题材 ② 整理数据，按照“题材”汇总，查看不同题材的烂片比例，并选取TOP20 ③ 将得到的题材烂片比例TOP20制作散点图 → 横坐标为“题材”类型，纵坐标为烂片比例，点大小为样本数量 ** 用bokeh制图 ** 按照烂片比例做降序排列 提示： ① 删除“类型”字段空值的数据 ② 由于一个电影“类型”会有多个，这里需要将一个电影每个“类型”都识别出来，在统计某个题材时都需要计...
函数numpy.cumsum() numpy.cumsum(a, axis=None, dtype=None, out=None) 函数功能：是返回给定axis上的累计和 参数：a—数组；axis — 轴；dtype—数据类型 实例： 一维>>>import numpy as np >>> a=[1,2,3,4,5,6,7] >>> np.cumsum(a) array([ 1, 3, 6, 10, 15, 21, 28])多维 >>>import numpy as np >>> c=[[1,2,3],[4,5,6],[7,8,9]] >>> np.cumsum(c,axis=0) #axis=0，代表以行方式扫描，第一次扫描第一行，第二次扫描第...
??这一节主要讲一下在读写CSV文件时筛选特定的行。 ??有些时候，我们并不需要文件中所有的数据。例如，我们可能只需要一个包含特定词或数字的行的子集，或者是与某个具体日期关联的行的子集。在这些情况下，我们可以用Python筛选出特定的行来使用。 ??下面主要来讲在输入文件中筛选出特定行的3种方法： ??1.行中的值满足某个条件； ??2.行中的值属于某个集合； ??3.行中的值匹配于某个模式（正则表达式）。 ??其实，这三种筛选方法...
学习pandas需要一些numpy学习基础：numpy学习总结 虽然numpy已经可以结合matplotlib解决我们数据分析的问题，那么pandas学习的目的在什么地方呢? numpy 能够帮我们处理数值型数据，但是这还不够 很多时候，我们数据除了数值之外，还有字符串，时间序列等 比如：我们通过爬虫获取到了存储在数据库中的数据 所以， numpy能够帮助我们处理数值，但是pandas处理处理数值之外(基于numpy)，还能够帮助我们处理其他类型的数...
实验三：Python语言基本数据类型操作 一、实验类型：验证型+设计型 二、建议学时：4 三、实验目的： 1、了解Python语言程序的基本数据类型 2、掌握简单问题的IPO方法 四、实验内容： 1、阅读教材第3章； 2、验证型练习：（1）验证内置数值运算符和内置数值运算函数表3-2~3-3 （2） 验证math库中的各种类型的函数：表3-5~3-9 （3）验证表3-12 常用的内置字符串处理方法 （4）验证3.6.1-3.6.2 <模板字符串>.format（）方法的基本用法...
实验二：Python语言程序实例分析与验证 一、实验类型：验证型+设计型 二、建议学时：4 三、实验目的： 1、继续熟悉IDLE、Python开发环境的基本操作、熟悉Python基本输入输出函数或语句的用法、熟悉Python标准库和扩展库的导入和使用方式； 2、掌握利用程序控制结构编程方法； 3、掌握Python内置random函数的用法 四、实验内容： （1）验证型：教材第4章中的BMI范例程序选和PI的计算实例程序 验证表4.3 random常用函数（不用提交）。...
实验一：熟悉Python语言开发环境和Python语言程序基本结构 一、实验类型：验证型+设计型 二、建议学时：4 三、实验目的： 1、继续熟悉IDLE、Python开发环境的基本操作、熟悉Python基本输入输出函数或语句的用法、熟悉Python标准库和扩展库的导入和使用方式； 2、掌握利用程序控制结构编程方法； 3、掌握Python内置random函数的用法 四、实验内容： （1）验证型：教材第4章中的BMI范例程序选和PI的计算实例程序 验证表4.3 random常用...
在建立好csv文档之后，运用pd进行读取，并通过read_csv()函数进行标题设定。 但是按照书本上进行，却遇到了这种情况：一是多读取文本信息存在转义符——\t；二是标题a、b、c、d和message都跑到了后面，造成行列输错NaN。 其问题在于ex1.csv文档兼容问题。如果出现这中问题的时候去打开该文档，会出现如下情况：原本数据理应单格存放的，但是现在却全部缩在一个格子里。这是由于csv不兼容问题，造成上述现象。 如何解决呢？ 重新将数...