您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. pandas官方说明书

  2. pandas的官方文件,包括指南,快速上手和详细的语法。
  3. 所属分类:讲义

    • 发布日期:2017-10-21
    • 文件大小:9437184
    • 提供者:vooum
  1. python入门及pandas数据分析简要介绍

  2. 本文档适用于python入门用户以及数据分析初学者,里面包含软件的安装,基本语法以及如何用pandas做数据分析
  3. 所属分类:专业指导

    • 发布日期:2017-12-18
    • 文件大小:1048576
    • 提供者:maiketc
  1. Python数据分析入门知识文档

  2. 1. 文档中总结了python基础语法,和数据分析常用库的内容,不太深入,适合入门,总共88页。 2. 包含Python基础,numpy, pandas, matplotlib
  3. 所属分类:Python

    • 发布日期:2018-03-29
    • 文件大小:1048576
    • 提供者:exidog
  1. pandas-ply, 面向 Pandas的功能数据.zip

  2. pandas-ply, 面向 Pandas的功能数据 panda: 面向 Pandas的功能数据ply is是一个薄层,它使得使用 Pandas 操作数据变得更容易。 特别是,它提供了优雅。功能良好。可以链接的语法,在这种情况下,英镑需要突变。保存中间值或者。 通过这种方式,目标是将英镑
  3. 所属分类:其它

    • 发布日期:2019-09-18
    • 文件大小:114688
    • 提供者:weixin_38744207
  1. 1.python基本语法.pdf

  2. python从入门到精通Python语言引论 起源 特点 与A的关系 X利大讯区 起源 Python的创始人为 Guido van rossum 1989年圣诞节期间,在阿姆斯特丹, Guido为了打发圣 诞节的无趣,决心开发一个新的脚本解释程序,做为 ABC语言的一种继承。 之所以选 Python(大蟒蛇的意思)作为该编程语言的名 字,是因为他是一个叫 Monty Python的喜剧团体的爱 好者 X利大讯区 特点 易于易于 习 阅读 易于 泛的 维护标准库 跨平可嵌 台 入 X利大讯区
  3. 所属分类:Python

    • 发布日期:2019-06-29
    • 文件大小:1048576
    • 提供者:qq_32627651
  1. pandas语法手册

  2. The easiest way for the majority of users to install pandas is to install it as part of the Anaconda distribution, a cross platform distribution for data analysis and scientific computing. This is the recommended installation method for most users. I
  3. 所属分类:Python

    • 发布日期:2019-04-19
    • 文件大小:9437184
    • 提供者:devices
  1. pandas 实现字典转换成DataFrame的方法

  2. 把dictd = {‘A’:0}转换成DataFrame, 首先,DataFrame的语法格式应为: import pandas as pd df = pd.DataFrame({'A':[0]})#'A'是columns,对应的是list 输出: A 0 0 但是如果是: df = pd.DataFrame({'A':0})#直接输入dict 会报错 ValueError: If using all scalar values, you must pass an index 解决办
  3. 所属分类:其它

    • 发布日期:2020-12-25
    • 文件大小:30720
    • 提供者:weixin_38682026
  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. 计算机视觉系列–Pandas基础

  2. Pandas库是非常好用的数据处理库,下面对一些常见语法进行介绍。 import numpy as np import pandas as pd 创建pandas对象 通过series创建 s=pd.Series([1,3,5,np.nan,6,8]) print(s) #0 1.0 #1 3.0 #2 5.0 #3 NaN #4 6.0 #5 7.0 #dtype: float64 通过dataframe创建 #使用DataFrame,通过index指定
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:54272
    • 提供者:weixin_38730331
  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. pandasxlframer:一个更简单的包装器,用于增强Pandas的to_excel功能以实现高级格式化-源码

  2. 熊猫xlframer 这是openpyxl的简单包装,可为Pandas的数据框启用其他Excel格式。 目的是在将数据框保存到Excel时添加格式化功能:字体大小,文本对齐方式,颜色/合并单元格和添加标题。 目标是使用方法链来提供快速语法来完成此类任务。 例如,默认的Pandas的to_excel输出如下文件: 我们经常遇到的任务是向此Excel文件添加标题,合并一些列单元格,设置单元格格式以及更改背景色。 这可以通过以下代码完成: ( df.excel_format.add_he
  3. 所属分类:其它

    • 发布日期:2021-03-16
    • 文件大小:523264
    • 提供者:weixin_42150341
  1. GreyNSights:隐私保护数据分析框架。 目前支持熊猫-源码

  2. GreyNSights 隐私和实用程序之间的灰色区域 GreyNSights是一个用于保护隐私的数据分析框架。 目前仅支持熊猫。 该框架允许分析人员远程查询数据集,以使数据集保留在源头,并且对数据分析员是私有的。 该软件包通过确保分析人员可以使用相同的pandas语法来分析和转换数据集,但不能查看单个行,从而为分析人员提供了灵活性。 GreyNSights还提供了灵活性,可以一起查询多个参与方并获得汇总统计信息,而无需透露各个参与方的数量。 图书馆的三大原则: 没有原始数据仅公开汇总 分析
  3. 所属分类:其它

    • 发布日期:2021-03-09
    • 文件大小:285696
    • 提供者:weixin_42151772
  1. piper:一个备受好评的(也许是致命的缺陷)包装程序包,用于在执行EDA工作时使用pandas,numpy和xlsxwriter库-源码

  2. 吹笛者 Piper是一个python模块,用于简化与数据争用。 与笔记本结合使用的“魔术”命令( %% piper )提供了类似于SQL的语法-与R的和库类似。 主要功能是: 选择() 哪里() 通过...分组() 总结() order_by() 有关其他吹笛者功能,请参见“部分。 备择方案 如需全面的替代方法,请查看Michael Chow的。 目录 安装 要安装软件包,请输入以下内容: pip install dpiper 基本用途 在Jupyter笔记本单元中,为给定的
  3. 所属分类:其它

    • 发布日期:2021-02-09
    • 文件大小:60416
    • 提供者:weixin_42143806
  1. Retentioneering工具:Retentioneering:产品分析,数据驱动的客户旅程图优化,营销分析,Web分析,交易分析,图形可视化以及使用Python进行客户细分的行为细分。 开源分析,点击流的预测分析,情感分析,AB测试,

  2. 什么是保持运动? Retentioneering是一个Python框架和库,可帮助产品分析人员和市场分析人员使用,因为它使处理和分析点击流,事件流,轨迹和事件日志变得更加容易。 您可以细分用户,客户(代理),构建ML管道以根据历史数据预测代理类别或目标事件的概率。 在常见情况下,您可以使用事件和时间戳的形式使用Google Analytics(分析)BigQuery流或任何其他Silimal流中的原始数据给用户使用,而Retentioneering就是您从该数据中探索用户行为所需要的一切,它
  3. 所属分类:其它

    • 发布日期:2021-02-03
    • 文件大小:35651584
    • 提供者:weixin_42109732
  1. siuba:Python库,用于将dplyr等语法用于熊猫和SQL-源码

  2. 西巴 零碎的数据分析,无缝支持熊猫和SQL siuba()是和其他R库的。 它支持以5种常见操作为中心的表格数据分析工作流: select() -保留某些数据列。 filter() -保留某些数据行。 mutate() -创建或修改现有的数据列。 summarize() -将一列或多列缩小为一个数字。 arrange() -重新排序数据行。 可以在group_by()执行这些操作,这会使它们分别应用于分组的数据行。 此外,实现了许多SQL概念,例如distinct() , coun
  3. 所属分类:其它

    • 发布日期:2021-01-30
    • 文件大小:472064
    • 提供者:weixin_42151599
  1. 对pandas replace函数的使用方法小结

  2. 语法:replace(self, to_replace=None, value=None, inplace=False, limit=None, regex=False, method=’pad’, axis=None) 使用方法如下: import numpy as np import pandas as pd df = pd.read_csv('emp.csv') df #Series对象值替换 s = df.iloc[2]#获取行索引为2数据 #单值替换 s.replace('?'
  3. 所属分类:其它

    • 发布日期:2021-01-21
    • 文件大小:77824
    • 提供者:weixin_38500572
  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. Python使用matplotlib和pandas实现的画图操作【经典示例】

  2. 本文实例讲述了Python使用matplotlib和pandas实现的画图操作。分享给大家供大家参考,具体如下: 画图在工作再所难免,尤其在做数据探索时候,下面总结了一些关于python画图的例子 #encoding:utf-8 ''''' Created on 2015年9月11日 author: ZHOUMEIXU204 ''' # pylab 是 matplotlib 面向对象绘图库的一个接口。它的语法和 Matlab 十分相近 import pandas as pd #from ggp
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:378880
    • 提供者:weixin_38545961
  1. Pandas:连接与修补 concat、combine_first

  2. 文章目录1.连接concat2.连接方式:join,join_axes3.覆盖列名(用的较少,做了解)4.修补 pd.combine_first()课后作业 pandas的pd.concat()函数与np.concatenate()语法类似,当时配置参数更多,功能也更强大: pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False, keys=None, levels=None, name
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:119808
    • 提供者:weixin_38663544
  1. 【Python基本语法01】基本数据类型

  2. 前言 Python 的学习是 CV 后续学习的基础,但与数据分析师、Python 开发工程师等要求不一;相对来说,CV 更依赖 Python 的相关库,比如科学计算库 Numpy、数据分析库 Pandas、图像绘制库 Matplotlib。基本数据类型包含数值型 (Number) 与字符串 (String)。下图是 Python初级入门的脑图。 1 字符串 Q1: 什么是字符串? 字符串由数字、字母、符号组成,放入成对的引号中(单引号或双引号),多行字符串放入三引号中。 #示例 x1 =
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:93184
    • 提供者:weixin_38702515
« 12 3 »