您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. pandas基础到进阶

  2. pands:基础的数据结构,基本操作,层级索引,函数应用,分组和聚合,透视表,交叉表等
  3. 所属分类:讲义

    • 发布日期:2018-04-06
    • 文件大小:459776
    • 提供者:qq_41634283
  1. python中使用pandas

  2. 接下来pandas介绍中将学习到如下8块内容: 1、数据结构简介:DataFrame和Series 2、数据索引index 3、利用pandas查询数据 4、利用pandas的DataFrames进行统计分析 5、利用pandas实现SQL操作 6、利用pandas进行缺失值的处理 7、利用pandas实现Excel的数据透视表功能 8、多层索引的使用
  3. 所属分类:Python

    • 发布日期:2018-10-23
    • 文件大小:18432
    • 提供者:qq_21183689
  1. python3数据聚合与分组运算.docx

  2. 对数据集进行分组并对各组应用一个函数(无论是聚合还是转换),这是数据分析工作中的重要环节。在将数据集准备好之后,通常的任务就是计算分组统计或生成透视表。pandas提供了一个灵活高效的groupby功能,它使我们能以一种自然的方式对数据集进行切片、切块、摘要等操作。
  3. 所属分类:讲义

    • 发布日期:2020-03-16
    • 文件大小:225280
    • 提供者:qq_25728059
  1. Day7-pandas-Ⅳ:数据加载与透视表.xmind

  2. 整理python数据分析库的重要知识,包括ipython、numpy、pandas(重要,包括3个文档)、scipy包、matplotlib图形绘制,共计7个文档,里面涵盖基础操作,案例解析和注意事项,因不能同时上传多个文件,所以逐一上传,如果下载文档的博友有问题可以随时咨询我,保证物有所值
  3. 所属分类:机器学习

    • 发布日期:2020-01-13
    • 文件大小:660480
    • 提供者:ZZQHELLO2018
  1. pandas常用操作.pdf

  2. pandas库的常用操作,参考书籍《Pandas Cookbook》,内容干货,推荐下载!movie get_dtype_counts# output the number of columns with each specific data type: movie. select_dtypes(include['int ]).head(# select only integer columns movie. filter(1ike=' facebook').head()#1ike参数表示包含此
  3. 所属分类:Python

    • 发布日期:2019-08-31
    • 文件大小:701440
    • 提供者:justisme
  1. pandas实现excel中的数据透视表和Vlookup函数功能代码

  2. 今天小编就为大家分享一篇pandas实现excel中的数据透视表和Vlookup函数功能代码,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
  3. 所属分类:其它

    • 发布日期:2020-09-17
    • 文件大小:31744
    • 提供者:weixin_38500047
  1. Python Pivot table透视表使用方法解析

  2. Pivot 及 Pivot_table函数用法 Pivot和Pivot_table函数都是对数据做透视表而使用的。其中的区别在于Pivot_table可以支持重复元素的聚合操作,而Pivot函数只能对不重复的元素进行聚合操作。 在一般的日常业务中,因为Pivot_table的功能更为强大,Pivot能做的不能做的Pivot_table都可做。所以只需要记住Pivot_table函数用法就好了。 Pivot函数的使用演示 #%% import pandas as pd df01 = pd.Dat
  3. 所属分类:其它

    • 发布日期:2020-12-17
    • 文件大小:391168
    • 提供者:weixin_38670529
  1. 数据清洗之 透视图与交叉表

  2. 透视图与交叉表 在数据分析中,数据透视表是常见的工具之一,需要根据行或列对数据进行各个维度数据的汇总,在pandas中,提供了相关函数解决此类问题 交叉表更多用于频数的分析 pivot_table(data, index, columns, values, aggfunc, fill_value, margins, margins_name=) data:数据 index: 行分组键 columns:列分组键 values:分组的字段,只能为数值型变量 aggfunc:聚合函数 fill_val
  3. 所属分类:其它

    • 发布日期:2020-12-21
    • 文件大小:83968
    • 提供者:weixin_38730389
  1. 数据科学包——pandas基础(整形、透视、时间序列、类别)

  2. 文章目录一、数据整形(stack函数)二、数据透视表(pivot table)三、时间序列1.时间序列2.在不同的时间表达方式间转换2.1 时间戳转为时期 to_period()函数2.2 时期转为时间戳 to_timestamp()函数2.3 返回固定频率的周期索引 period_range()函数2.4 series索引四、类别数据1.astype函数2.排序(sort_values())3.统计个数(groupby().size()) 一、数据整形(stack函数) 在用pandas进行数
  3. 所属分类:其它

    • 发布日期:2020-12-20
    • 文件大小:72704
    • 提供者:weixin_38723236
  1. pandas实现excel中的数据透视表和Vlookup函数功能代码

  2. 在孩子王实习中做的一个小工作,方便整理数据。 目前这几行代码是实现了一个数据透视表和匹配的功能,但是将做好的结果写入了不同的excel中, 如何实现将结果连续保存到同一个Excel的同一个工作表中? 还需要探索。 import pandas as pd import numpy as np a = [1601,1602,1603,1604,1605,1606,1607,1608,1609,1610,1611,1612,1701,1702,1703,1704] for i in a: b
  3. 所属分类:其它

    • 发布日期:2020-12-20
    • 文件大小:33792
    • 提供者:weixin_38519681
  1. python数据挖掘需要学的内容

  2. 1、Pandas库的操作 Panda是数据分析特别重要的一个库,我们要掌握以下三点: · pandas 分组计算; · pandas 索引与多重索引; 索引比较难,但是却是非常重要的 · pandas 多表操作与数据透视表 2、numpy数值计算 numpy数据计算主要应用是在数据挖掘,对于以后的机器学习,深度学习,这也是一个必须掌握的库,我们要掌握以下内容: · Numpy array理解; · 数组索引操作; · 数组计算; · Broadcasting(线性代数里面的知识) 3、数据可视化
  3. 所属分类:其它

    • 发布日期:2021-01-01
    • 文件大小:46080
    • 提供者:weixin_38690402
  1. Pandas透视表(pivot_table)详解

  2. 介绍 也许大多数人都有在Excel中使用数据透视表的经历,其实Pandas也提供了一个类似的功能,名为pivot_table。虽然pivot_table非常有用,但是我发现为了格式化输出我所需要的内容,经常需要记住它的使用语法。所以,本文将重点解释pandas中的函数pivot_table,并教大家如何使用它来进行数据分析。 如果你对这个概念不熟悉,wikipedia上对它做了详细的解释。顺便说一下,你知道微软为PivotTable(透视表)注册了商标吗?其实以前我也不知道。不用说,下面我将讨论
  3. 所属分类:其它

    • 发布日期:2020-12-26
    • 文件大小:666624
    • 提供者:weixin_38674512
  1. python机器学习:推荐系统实现(以矩阵分解来协同过滤)

  2. 原文链接:http://tecdat.cn/?p=10911 用户和产品的潜在特征编写推荐系统矩阵分解工作原理使用潜在表征来找到类似的产品。 1. 用户和产品的潜在特征 我们可以通过为每个用户和每部电影分配属性,然后将它们相乘并合并结果来估计用户喜欢电影的程度。 然后我们使用pandas数据透视表函数来构建评论矩阵。在这一点上,ratings_df包含一个稀疏的评论阵列。 接下来,我们希望将数组分解以找到用户属性矩阵和我们可以重新乘回的电影属性矩阵来重新创建收视率数据。为此,我们将使用低秩矩
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:243712
    • 提供者:weixin_38730201
  1. 对比excel,学习pandas数据透视表

  2. 1、excel中做数据透视表 1)步骤如下 ① 选中整个数据源; ② 依次点击“插入”—“数据透视表” ③ 选择在Excel中的哪个位置,插入数据透视表 ④ 然后根据实际需求,从不同维度展示结果 ⑤ 结果如下 2、pandas中使用pivot_table()做数据透视表 1)语法格式 pd.pivot_table(data,index=None,columns=None, values=None,aggfunc='mean',
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:495616
    • 提供者:weixin_38716872
  1. 训练营-源码

  2. 加州大学欧文分校-继续教育部:数据分析训练营 项目: Microsoft Excel挑战展示的技能:[Excel函数,条件格式,数据透视表,数据透视图,数据过滤和排序] Excel VBA挑战展示的技能:[VBA脚本] Python挑战展示的技能:[Python] 熊猫挑战赛展示的技能:[Python,熊猫,数据清理] Matplotlib挑战展示的技能:[Python,Pandas,Matplotlib,数据可视化,数据清理] Python API挑战: 展示的技能:[Pytho
  3. 所属分类:其它

    • 发布日期:2021-02-27
    • 文件大小:8388608
    • 提供者:weixin_42139252
  1. Flatbread:Python库,在Pandas中扩展了数据透视表。 轻松将总计小计和百分比添加到表中-源码

  2. 大饼 关于 Flatbread是一个小型库,它扩展了pandas中的数据透视表功能。 可使用pita访问器通过DataFrame访问Flatbread。 该库包含使您能够轻松将合计/小计添加到数据透视表的一个或多个轴/级别的功能。 此外,大面包可以从数据透视表的每个轴/级别的总计/小计中计算百分比。 您可以将表中的现有值转换为百分比,但也可以将百分比整齐地添加到数据旁边。 如果不存在所需的(小计)总计,则面包将自动添加它们以执行计算。 默认情况下,保留(小计)总计,但您也可以删除它们。 该库还
  3. 所属分类:其它

    • 发布日期:2021-02-14
    • 文件大小:81920
    • 提供者:weixin_42168830
  1. 学习pandas数据透视表

  2. 1、excel中做数据透视表 1)步骤如下 ① 选中整个数据源; ② 依次点击“插入”—“数据透视表” ③ 选择在Excel中的哪个位置,插入数据透视表 ④ 然后根据实际需求,从不同维度展示结果 ⑤ 结果如下 2、pandas中使用pivot_table()做数据透视表 1)语法格式 pd.pivot_table(data,index=None,columns=None, values=None,aggfunc=‘mean’, margins=False,margins_name=‘All’,
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:52224
    • 提供者:weixin_38707862
  1. 用Python实现数据的透视表的方法

  2. 在处理数据时,经常需要对数据分组计算均值或者计数,在Microsoft Excel中,可以通过透视表轻易实现简单的分组运算。而对于更加复杂的分组运算,Python中pandas包可以帮助我们实现。 1 数据 首先引入几个重要的包: import pandas as pd import numpy as np from pandas import DataFrame,Series 通过代码构造数据集: data=DataFrame({'key1':['a','b','c','a','c','a
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:52224
    • 提供者:weixin_38706055
  1. pandas面试基础

  2. 阅读路线: 准备工作 生成对象 索引 选择需要的数据 运算 合并(merge) 分组(grouping) 重塑(reshaping) 数据透视表(pivot tables) pandas DataFrame里的操作 一、准备工作 import numpy as np import pandas as pd 在进行下面的题目操作时,一定要先导入上面的两个数据分析包pandas、numpy 二、生成对象 1、如何用Python的列表创建一个series s = pd.Series([1, 3, 5
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:60416
    • 提供者:weixin_38632624
  1. Python数据挖掘基础(四):Pandas高级处理

  2. 目录1. 缺失值处理2. 数据离散化2.1 为什么要离散化?2.2 什么是数据的离散化?2.3 股票涨跌幅分组数据变成one-hot编码3. 合并4. 交叉表与透视表5. 分组与聚合 1. 缺失值处理 本文所使用到的所有数据在此处下载: 链接:https://pan.baidu.com/s/16ayvfRw95K0xma9o3YPN3Q 密码:qgt3 判断缺失值是否存在,示例代码如下: import numpy as np import pandas as pd type(np.NAN)
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:84992
    • 提供者:weixin_38605144
« 12 »