Pandas图解,使抽象的数据具象为可触摸的图形

课程目录:
│  ├─第1章 Pandas简介
│  │      1-课程介绍
│  │      2-学习Pandas前置知识点
│  │      3-pandas是什么?
│  │      4-为什么选择pandas
│  │      5-课后练习
│  │      
│  ├─第2章 环境搭建
│  │      1-使用pip安装pandas等库
│  │      2-安装IPython
│  │      3-环境方案2:安装Anaconda
│  │      4-开发工具
│  │      
│  ├─第3章 Series数据结构
│  │      1-Pandas数据结构概述
│  │      2-理解Series数据结构
│  │      3-创建Series对象
│  │      4-Series标签与位置区别
│  │      5-通过下标访问Series数据
│  │      6-通过切片访问Series数据
│  │      7-通过布尔数组访问Series数据
│  │      8-通过花式下标访问Series数据
│  │      9-课后练习
│  │      
│  ├─第4章 DataFrame数据结
│  │      1-理解DataFrame数据结构
│  │      2-创建DataFrame对象
│  │      3-DataFrame标签与位置区别
│  │      4-单个标签下标访问DataFrame列
│  │      5-多个标签下标访问DataFrame列
│  │      6-通过切片访问DataFrame行
│  │      7-通过布尔数组访问DataFrame行
│  │      8-通过query方法访问DataFrame行
│  │      9-通过head和tail方法访问DataFrame
│  │      10-使用DataFrame存取器loc[]
│  │      11-使用DataFrame存取器iloc[]
│  │      12-使用DataFrame存取器at[]和iat
│  │      13-DataFrame行添加
│  │      14-DataFrame行删除
│  │      15-DataFrame列添加
│  │      16-DataFrame列删除
│  │      17-更改列标题
│  │      18-课后练习
│  │      
│  ├─第5章 索引
│  │      1-一级索引Index对象
│  │      2-创建Index对象
│  │      3-重建索引
│  │      4-创建多级索引对象
│  │      5-多级索引行列转换
│  │      6-多级索引数据存取
│  │      7-课后练习
│  │      
│  ├─第6章 数据读写操作
│  │      1-读取Excel文件数据
│  │      2-示例:从Excel文件读取全国总人口数据
│  │      3-写入数据到Excel文件
│  │      4-示例:写入水果数据到Excel文件
│  │      5-读取CSV文件数据
│  │      6-示例:从CSV文件读取全国总人口数据
│  │      7-写入数据到CSV文件
│  │      8-示例:写入水果数据到CSV文件
│  │      
│  ├─第7章 数据操作
│  │      1-使用算术运算符
│  │      2-使用算术运方法
│  │      3-描述性统计方法
│  │      4-函数应用apply方法
│  │      5-函数应用applymap方法
│  │      6-函数应用map方法
│  │      7-通过标签排序
│  │      8-通过元素值排序
│  │      
│  └─第8章 项目实战:搜狐证券股票数据分析
│          1-获取贵州茅台股票历史数据
│          2-获得特定时间段股票数据
│          4-将股票信息中【日期】字符串转换为日期类型
│          5-请按照【成交金额】排序
│          6-绘制股票【成交量】折线图

下载地址:Pandas图解,使抽象的数据具象为可触摸的图形

原文地址:https://www.cnblogs.com/cycy0068/p/12052151.html

时间: 2024-08-02 05:17:24

Pandas图解,使抽象的数据具象为可触摸的图形的相关文章

使Decimal类型数据保留N位小数且不进行四舍五入操作(C#)

一 问题描述 开发中,需要使Decimal类型数据保留小数点后的两位小数且不需要进行四舍五入操作,即直接截取小数点后面的两位小数即可.例如:1.245M --> 1.24,而不是1.25 使用Decimal.Round()方法可以实现保留Decimal类型数据小数点后的若干位小数,但是该方法会进行四舍五入操作,而不是直接截取.所以,该方法不可取,在网上搜寻一番也没有找到合适的方法,便自己实现了一个截取Decimal类型数据小数点后若干位的方法. 二 详细的实现代码 using System; n

【图解】抽象工厂模式PK建造者模式

抽象工厂模式: 如果换成建造者模式,建造者会先组装车的各个零配件,然后在生产成一部车. [图解]抽象工厂模式PK建造者模式

Pandas 10分钟入门----缺失数据的处理(官方文档注释版三)

在日常我们获取的数据中,经常会出现数据缺失的情况.对数据缺失的处理,有多种处理的方法:插值填补.平均值填补方法很多.这里不具体讨论用哪种方式去插补这些数据,而只是谈谈如何使用pandas去快速的处理这些数据. pandas 常用np.nan代表缺失数据,详情可以查看Missing Data section. 1. reindex()可以允许你在指定维度上修改.增加.删除索引,并返回数据的副本: df1 = df.reindex(index=dates[0:4], columns=list(df.

python pandas.DataFrame选取、修改数据最好用.loc,.iloc,.ix

先手工生出一个数据框吧 [python] view plain copy import numpy as np import pandas as pd df = pd.DataFrame(np.arange(0,60,2).reshape(10,3),columns=list('abc')) df 是这样子滴 那么这三种选取数据的方式该怎么选择呢? 一.当每列已有column name时,用 df [ 'a' ] 就能选取出一整列数据.如果你知道column names 和index,且两者都很

Java虚拟机原理图解----JVM运行时数据区

     JVM运行时数据区(JVM Runtime Area) 其实就是指JVM在运行期间,其对计算机内存空间的划分和分配.本文将通过以下几个话题来讨论JVM运行时数据区. Topic 1. JVM运行时数据区 里有什么? Topic 2. 虚拟机栈 是什么?虚拟机栈 里有什么? Topic 3. 栈帧是什么?栈帧 里有什么? Topic 4. 方法区 是什么?方法区 里有什么? Topic 1.JVM运行时数据区里有什么? Topic 2. 虚拟机栈是什么?虚拟机栈里有什么? Topic 3

pandas练习(二)------ 数据过滤与排序

数据过滤与排序------探索2012欧洲杯数据 相关数据见(github) 步骤1 - 导入pandas库 import pandas as pd 步骤2 - 数据集 path2 = "./data/Euro2012.csv" # Euro2012.csv 步骤3 - 将数据集命名为euro12 euro12 = pd.read_csv(path2) euro12.tail() 输出:   Team Goals Shots on target Shots off target Sho

Pandas里面常用的一些数据分析函数总结

import pandas as pdimport numpy as np pandas 有两个主要的数据结构:Series 和 DataFrame:Series 是一个一维数组对象 ,它包含一组索引和一组数据,可以把它理解为一组带索引的数组.DataFrame 是一个表格型的数据结构.它提供有序的列和不同类型的列值. df:Pandas DataFrame对象s: Pandas Series对象 数据导入: pd.read_csv(filename):从csv文件中导入数据; pd.read_

python pandas 对带时间序列的数据进行重采样处理

今天老板要处理一批带有时间序列的数据,源数据为1秒钟一行的csv数据,处理之后变成15分钟一行的数据. 源数据示例如下: time B00 B01 ... RollMean2.5 RollMean10 2018-05-31 09:44:39 15.212 5.071 ... 2.97 2.99 2018-05-31 09:44:40 17.202 4.047 ... 2.90 3.08 2018-05-31 09:44:41 10.137 4.055 ... 2.58 2.71 2018-05-

pandas 对数据帧DataFrame中数据的索引及切片操作

1.创建数据帧 index是行索引,即每一行的名字:columns是列索引,即每一列的名字.建立数据帧时行索引和列索引都需要以列表的形式传入. import pandas as pd df = pd.DataFrame([[1, 2, 3], [4, 5, 6]], index=['row_0', 'row_1'], columns=['col_0', 'col_1', 'col_2']) 2.获取数据帧的行索引和列索引 2.1 获取行索引 # 以数组形式返回 row_name = df.ind