前言 本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。 没有安装PyEcharts的，先安装PyEcharts： data = pd.read_excel('D:/python/xgyq.xlsx',sheet_name='1')#按新增字段进行降序data = data.sort_values(by=['新增'],ascending=[False]) 安装好PyEcharts之后，就可以将需要使用的模块进行导入： c?=?(????#创建柱图对象，并设置大小，也可以不设置，直接使...
1、级联操作concat()函数pd.concat, pd.appendpandas使用pd.concat函数，与np.concatenate函数类似，只是多了一些参数：objs:series，dataframe或者是panel构成的序列lsit axis:需要合并链接的轴，0是行，1是列 ，默认axis=0 join:outer / inner:表示的是级联的方式，outer会将所有的项进行级联（忽略匹配和不匹配），而inner只会将匹配的项级联到一起，不匹配的不级联 ignore_index=False1.1、匹配级联 df1 = DataFrame(data=np.r...
1.1. Numpy库的使用 1.1.1. Numpy数组的创建 1. 了解Numpy中ndarray数组对象的性质和特点； 1. 掌握通过array()函数创建Numpy数组的方法，会将Python中的列表、元组等序列型数据转化为Numpy数组； 2. 了解通过ones()、ones_like()、zeros()、zeros_like()、eye()、identity()、empty()、empty_like()等方法创建特殊的Numpy数组； 3. 掌握由函数arange()、linspace()等函数创建Numpy数组的方法； 4. 了解利用numpy.random模块中的ra...
1.1.1. Numpy数组的创建 1. 了解Numpy中ndarray数组对象的性质和特点； 1. 掌握通过array()函数创建Numpy数组的方法，会将Python中的列表、元组等序列型数据转化为Numpy数组； 2. 了解通过ones()、ones_like()、zeros()、zeros_like()、eye()、identity()、empty()、empty_like()等方法创建特殊的Numpy数组； 3. 掌握由函数arange()、linspace()等函数创建Numpy数组的方法； 4. 了解利用numpy.random模块中的rand()、randint()、ra...
目标：使用Python编写爬虫，获取链家青岛站的房产信息，然后对爬取的房产信息进行分析。 环境：win10+python3.8+pycharm Python库：1 import requests 2 import bs4 3 from bs4 import BeautifulSoup 4 import lxml 5 import re 6 import xlrd 7 import xlwt 8 import xlutils.copy 9 import time 目标分析： 1、编写爬虫爬取链家青岛站的房产信息①分析目标链接第一页：https://qd.fang.lianjia.com/loupan/pg/pg1第二页：https:...
第四章 Python数据分析实战 习题（数据见附件sizhang.xlsx）班主任现有一班级的两张表，如下。表一：成绩表 学 号 C# 线 代 Python 16010203 78 88 96 表二：信息表 姓 名 学 号 手机号码 张三 16010203 16699995521 现请帮班主任做如下工作：给成绩表加上姓名列；给成绩表加上字段“总分”列，并求出总分；增加列字段“等级”，标注每人“总分”的“优、良、中、及格、差”(270≤优，240≤良， 210≤中，及格≤180，差≤180)；...
导入必要的模块 首先，我们导入numpy、pandas和用于作图的matplotlib库： 从雅虎财经获取特斯拉、通用和福特的每日收盘价数据 可视化数据，并对有趣的事件进行可视化检查，并画蜡烛图 在同一张图中画出特斯拉、通用和福特股票的开盘价曲线： 每支股票的最大成交量是发生在哪一天？从开盘价格的时间序列可视化来看，似乎特斯拉的股价一直都要比通用和福特的股价更有高。但至于为什么特斯拉的股价一直高于其他两支股票，...
(原创声明，转载引用需要指明来源) 上一节讲了数据分析师的大量时间都在写sql，把几十上百张表格关联起来，整合成一张宽表。但SQL在复杂统计，数据分析上显得力不从心。SQL设计原理就是从数据库获取数据，整合数据，而并非统计分析数据。SQL只有计数，求平均值，求和，最大值，最小值，分类统计的函数。如果要实现更复杂的统计和数据分析，需要自己写一大段SQL代码，效率并不高，而python语言仅调用一个函数就可完成。 python是目前...
翩翩一叶扁舟载不动许多愁https://www.wenjuan.com/s/uMRVrmv/双肩扛起的是数不尽的忧https://www.wenjuan.com/s/uMRVrmv给我一杯酒喝尽人间仇https://www.wenjuan.com/z/uMRVrmv/喝尽千古曾经的承诺https://www.wenjuan.com/z/uMRVrmv美人如此多娇英雄自古风流www.wenjuan.com/s/uMRVrmv/纷纷扰扰只为红颜半点羞www.wenjuan.com/s/uMRVrmv给我一杯酒烽火几时休www.wenjuan.com/z/uMRVrmv/喝完这杯一切再从头www.wenjuan.com/z/uMR...
一. 画图中中文显示1.如果想要Matplotlib显示中文我们可以使用三种方法：? 第一种：直接修改Matplotlib配置文件matplotlibrc 第二种：动态修改配置 第三种：设置自定义字体2.第三种eg: %matplotlib inline from matplotlib import pyplot as plt from matplotlib import font_manager import random # 创建字体对象 my_font = font_manager.FontProperties(fname=/data/course_data/data_analysis/STSONG.TTF,size=18) x = ...
一.Matplotlib的图像的结构图： 1. 第一层是底层的容器层，主要包括Canvas、Figure、Axes； 2. 第二层是辅助显示层，主要包括axis、spines、grid、legend、title等； 3. 第三层为图像层，即通过plot、scatter等方法绘制的图像。 2.Canvas是位于最底层的系统层，在绘图的过程中充当画板的角色，即放置画布(Figure)的工具，用户一般接触不到。 Figure是Canvas上方的第一层，也是需要用户来操作的应用层的第一层，在绘图的过...
NumPy是python数值计算中最为重要的基础包，大多数计算包都提供了基于NumPy的科学函数功能，将NumPy的数组对象作为数据交换的通用语。 NumPy的优点nddarray，一种高效多维数组，提供了基于数组的便捷算术操作以及灵活的广播功能。 对所有数据进行快速的矩阵计算，而无须编写循环程序。 对硬盘中数组数据进行读写的工具，并对内存映射文件进行操作。 线性代数、随机数生成以及傅里叶变换功能。 用于连接NumPy到C、C++和FORTRAN语言类...
一.创建测试数据1. np.random.randint(0,100,size=(6,3))是使用numpy中的随机模块random中，生成随机整数方法randint，里面的参数size是指定生成6行3列的数据，并且每个数字的范围在0到100之间。import pandas as pd import numpy as np data = np.random.randint(0,100,size=(6,3)) names = [张三,李四,王五] exam = [期中,期末] index = pd.MultiIndex.from_product([names,exam]) df = pd.DataFrame(data,index=index,columns=[...
数据分析绘图库Matplotlib ? 图例Legend 代表图形里的内容 ? 网格Grid,图形中的虚线,True显示网格? 点 Markers:表示点的形状。 基本的视觉元素有三种:点、线、柱状。分析下面需求绘制什么图形?学生为某科课程花费的时间和考试成绩两者之间的关系,查看两者之间的相关性。 make标记样式 标记颜色color 第一个图形绘制完成顺序 #1). 导入绘图库 import matplotlib.pyplot as plt import numpy as np #2). 创建画板figure figure =...
数据采集 利用各种手段获取数据,数据样式不限制,但一般而言是形如 excel 或者 csv 这样的表格格式。数据采集: urllib , requests数据解析: Xpath , BS4 , 正则表达式数据持久化存储: pd.to_csv , pd.to_excel , MySQL , Redis 数据预处理 一般而言,数据分析和数据挖掘领域的处理的数据都是海量的数据,这样的数据难免会出现问题。数据预处理占到数据挖掘工作的60%,这是最重要也是最核心的领域.数据预处理分为数据清洗、数据集成、数...