'pandas' 第21页

【快速解决】vscode安装Keras，tensorflow；解决from tensorflow.keras.models import Sequential环境配置不上怎么办？

是哪一个版本的）第二步：安装ipykernel第三步：把新建的虚拟环境（tf3）第四步：首先要进入到新建的虚拟环境第五步：安装tensorflow第六步：安装keras第七步：安装numpy第八步：安装pandas

命运之光·2024-01-15 12:25

Python dataframe取单元值

取dataframe某行某列所指的单元值代码准备：环境平台：Python3.7.1-IDLEShell>>>importpandasaspd>>>df=pd.DataFrame({'Name':['Tom

www_djh·2024-01-15 09:56

python统计分析——随机抽样（np.random.choice）

参考资料：用python动手学统计学，帮助文档importnumpyasnpimportpandasaspddata_set=np.array([2,3,4,5,6,7])np.random.choice

maizeman126·2024-01-15 09:49

python统计分析——小提琴图（plt.violinplot）

importnumpyasnpimportpandasaspdfrommatplotlibimportpyplotaspltser=pd.Series(

maizeman126·2024-01-15 09:19

python统计分析——小提琴图（sns.violinplot）

importnumpyasnpimportpandasaspdfrommatplotlibimportpyplotaspltimportseabornassnsdf=pd.DataFrame(data

maizeman126·2024-01-15 09:19

python统计分析——箱线图（plt.boxplot）

参考资料：用python动手学统计学使用matplotlib.pyplot.boxplot()函数绘制箱线图importnumpyasnpimportpandasaspdfrommatplotlibimportpyplotaspltdata_set1

maizeman126·2024-01-15 09:18

python统计分析——操作案例（模拟抽样）

参考资料：用python动手学统计学importnumpyasnpimportpandasaspdfrommatplotlibimportpyplotaspltimportseabornassnsdata_set

maizeman126·2024-01-15 08:13

python 已知经纬度获取影像DN值或位置

geotransform[3]#90这两个读取出来的分别就是经度和纬度，但是读取极投影为3413的影像时，读取出来的时投影坐标，因此在程序中多做了一步变换fromosgeoimportgdalimportosimportpandasaspdfromdatetimeimportda

就是一只白·2024-01-15 06:45

影像组学学习笔记(23)-主成分析PCA、降维和特征筛选的区别

(23)主要讲解:主成分析PCA，影像组学降维和特征筛选的区别0.PCA(Principalcomponentanalysis)的数学原理PCA.JPG导入包importnumpyasnpimportpandasaspdfromsklearn.utilsimportshufflefromsklearn.preprocessingimportS

北欧森林·2024-01-15 05:40

【Python基础】一文搞懂：Python 中 Excel 文件的写入与读取

文章目录1引言2使用openpyxl2.1安装openpyxl2.2写入Excel文件2.3读取Excel文件3使用pandas3.1安装pandas和openpyxl3.2写入Excel文件3.3读取

climber1121·2024-01-15 04:03

pandas的iloc函数

pandas的iloc函数：iloc是Pandas中用于基于整数位置进行索引和切片的方法。它允许你通过整数位置来访问DataFrame中的特定行和列。

sci_more·2024-01-15 02:43

python中none的替换方法：pandas&numpy

none的替换方法：1.pandas#将缺失的id值替换为Nonemerged_df['id'].fillna('None',inplace=True)#这行代码使用了Pandas库中的`fillna`

sci_more·2024-01-15 02:12

第7章数据清洗和准备

7.1处理缺失数据pandas使用浮点值NaN（NotaNumber）表示缺失数据。

ghostdogss·2024-01-15 00:53

文章测试测试

系列文章目录提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章Python机器学习入门之pandas的使用提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录系列文章目录前言一

青山渺渺·2024-01-15 00:03

pandas datetime64 转string

https://stackoverflow.com/questions/50449453/pandas-datetime64-to-stringYoucanjustcastthedtypefirstusingastype

kangseung·2024-01-14 23:25

python基础练习之—Series

Series介绍：PandasSeries类似表格中的一个列（column），类似于一维数组，可以保存任何数据类型。

那个叫马尔的大夫·2024-01-14 22:09

Python实现饼状图

利用pandas模块实现饼状图效果如下：代码如下导入pandas和matplotlib模块importpandasaspdimportmatplotlib.pyplotasplt显示中文：frompylabimport

小镇码农在深圳·2024-01-14 22:26

10个数据科学不可或缺的Python库

然而，在像NumPy、Pandas和Scikit-Learn这样广受欢迎的库之外，还存在着一批鲜为人知但能够显著提升数据科学能力的Python宝藏库。

python慕遥·2024-01-14 21:23

Pandas：Python可视化神器

大家好，数据可视化可以让我们很直观的发现数据中隐藏的规律，察觉到变量之间的互动关系，可以帮助我们更好的给他人解释现象，做到一图胜千文的说明效果。常见的数据可视化库有:matplotlib是最常见的2维库，可以算作可视化的必备技能库，由于matplotlib是比较底层的库，api很多，代码学起来不太容易。seaborn是建构于matplotlib基础上，能满足绝大多数可视化需求。更特殊的需求还是需要

python慕遥·2024-01-14 21:21

Pandas实战100例 | 案例 13: 数据分类 - 使用 `cut` 对数值进行分箱

Pandas提供了cut函数，它可以根据你指定的分箱边界将数值数据分配到不同的类别中。使用cut进行分箱:你可以指定一系列的边界来定义分箱，然后将这些边界应用于数据列。cut还允许你为每个箱指定标签。

惊鸿若梦一书生·2024-01-14 18:51

用Python制作fits文件

前面的博客已经讲了fits文件是什么，以及如何读fits文件，当你完成一项工作的时候，你可能也会想制作一个自己的fits文件来发布自己的数据，本篇博客就讲一下如何制作自己的fits文件通常我们是使用pandas

夜观天象昼编程·2024-01-14 18:19

Pandas实战100例-专栏介绍

Pandas，Python数据科学的心脏，是探索和分析数据世界的强大工具。想象一下，用几行代码就能洞察庞大数据集的秘密，无论是金融市场趋势还是社交媒体动态。

惊鸿若梦一书生·2024-01-14 17:36

Open3D对产生偏差的点云数据进行校正

importtimeimportopen3daso3d;importnumpyasnp;importmatplotlib.pyplotaspltfromscipy.signalimportfind_peaksimportpandasaspdOriginalPly

easyboot·2024-01-14 15:42

Open3D离群点剔除

importtimeimportopen3daso3d;importnumpyasnp;importmatplotlib.pyplotaspltfromscipy.signalimportfind_peaksimportpandasaspdOriginalPly

easyboot·2024-01-14 15:38

一文了解pandas基础

目录一：数据读取二：数据结构三：数据检索四：数据修改五：排序数据准备：一：数据读取pandas可以读取和导入各种数据格式的数据，如CSV，Excel，JSON，SQL，HTML等，不需要手动编写复杂的读取代码

攻城狮的梦·2024-01-14 15:51

使用pandas按照商品和下单人统计下单数据

给到的表格数据如下：考虑用pandas实现，pandas提供了大量的数据处理函数，可以进行各种复杂的数据处理，包括数据清洗、数据转换、数据聚合等。

攻城狮的梦·2024-01-14 15:50

Pandas - 常用操作

一.DataFrame结构DataFrame是Pandas最核心的数据结构，可以使用值为列表的字典进行构造：>>data={'a':[1,2,3],'b':[1.2,None,1.3],'c':['Alex

山药鱼儿·2024-01-14 14:20

Pandas实战100例 | 案例 6: 数据排序 - 对 DataFrame 进行排序

Pandas提供了灵活的排序功能，包括按照一列或多列进行升序或降序排序。

惊鸿若梦一书生·2024-01-14 12:24

数据操作、数据预处理

1.数据类型：2.数组元素操作：3.数据预处理：importosimportpandasaspdimportnumpyasnp#创建csv文件并写入数据os.makedirs(os.path.join(

姓蔡小朋友·2024-01-14 10:12

如何获取指定日期是该年中的第几天？

importtimeimportdatetimefromdateutilimportparserimportpandasaspddt1='2024-01-11'#字符串可转换为datetime类型处理dt2

对许·2024-01-14 07:49

数据分析-Pandas如何重塑数据表

数据分析-Pandas如何重塑数据表数据表，时间序列数据在数据分析建模中很常见，例如天气预报，空气状态监测，股票交易等金融场景。

Alex_StarSky·2024-01-14 07:58

Pandas实战100例 | 案例 31: 转换为分类数据

Pandas允许将列转换为category类型。分类数据类型:category类型适用于那些只包含有限数量不同值的列（例如，性别、产品类型、评级等）。

惊鸿若梦一书生·2024-01-14 06:34

pandas 时区问题

术语解释：naive(无时区类型数据)，aware(有时区类型数据)pandas中，datetime和timestamp等时间序列默认都是naive(无时区类型数据)将naive转化为awarelast_timeaware_last_time

Andy_1ee·2024-01-14 05:28

pandas入门指南

上一篇讲了numpy，除此之外，还有一个工具我们一定会使用，那就是pandas。如果说numpy中数据存储形式是列表的话，那么pandas中数据的存储形式更像是字典。为什么这么说呢？

大雄的学习人生·2024-01-14 05:00

UCB Data100：数据科学的原理和技巧：第二十一章到第二十六章

#LoadtheSQLAlchemyPythonlibraryimportsqlalchemyimportpandasaspd%load_extsql%%sqls

绝不原创的飞龙·2024-01-14 04:30

Pandas.DataFrame.iloc[ ] 筛选数据-自然索引法详解含代码含测试数据集随Pandas版本持续更新

关于Pandas版本：本文基于pandas2.1.2编写。关于本文内容更新：随着pandas的stable版本更迭，本文持续更新，不断完善补充。

数象限·2024-01-13 23:18

pandas增强—数据表的非等式连接和条件连接。

Pandas支持equi-join，其中join中涉及的键被认为是相等的。这是通过merge和join函数实现的。

风暴之零·2024-01-13 23:33

Pandas实战100例 | 案例 20: 日期时间运算

案例20:日期时间运算知识点讲解Pandas提供了强大的日期和时间处理功能。你可以从datetime类型的列中提取出年份、月份、日、星期等信息，也可以进行日期时间的加减运算。

惊鸿若梦一书生·2024-01-13 23:20

python爬虫实战(6)--获取某度热榜

1.项目描述需要用到的类库pipinstallrequestspipinstallbeautifulsoup4pipinstallpandaspipinstallopenpyxl然后，我们来编写python

ChrisitineTX·2024-01-13 22:37

数据处理代码记录

主要使用pandas库1.文件路径(1)os库importosos.getcwd()#获取当前文件路径os.path.dirname(os.getcwd())#获取上一级文件路径os.path.join

　木夕敢敢·2024-01-13 22:01

Pandas实战100例 | 案例 26: 检测异常值

案例26:检测异常值知识点讲解在数据分析中，检测和处理异常值（或离群值）是一个重要的步骤。异常值可能会影响数据的整体分析。一种常用的方法是使用四分位数和四分位数间距（IQR）来识别异常值。四分位数和IQR:第一四分位数（Q1）是数据中所有数值的25%分位数，第三四分位数（Q3）是75%分位数。IQR是Q3和Q1的差。通常，超出Q1-1.5*IQR或Q3+1.5*IQR的值被认为是异常值。示例代码#

惊鸿若梦一书生·2024-01-13 22:58

Pandas实战100例 | 案例 29: 时间序列分析 - 滚动窗口计算

Pandas提供了处理时间序列的强大功能，包括滚动窗口计算。滚动窗口计算可以用于平滑时间序列数据，识别趋势和模式。滚动窗口计算:使用rolling方法可以对数据集应用滚动窗口计算。

惊鸿若梦一书生·2024-01-13 22:58

Pandas实战100例 | 案例 16: 字符串操作 - 分割和转换

案例16:字符串操作-分割和转换知识点讲解Pandas提供了丰富的字符串操作功能，这些功能很大程度上类似于Python原生的字符串方法。

惊鸿若梦一书生·2024-01-13 21:52

Python有哪些经典的常用库？

这里将其总结如下，比如在数据清洗时使用到numpy和pandas包，数据可视化时使用matplotlib库，matplotlib库上手容易，更高级的学习seaborn库，seaborn库是改良matplotlib

大话数据分析·2024-01-13 21:24

Pandas也能爬虫？爬取网页数据并存储至本地数据库

read_html函数是最简单的爬虫，可爬取静态网页表格数据，但只适合于爬取table表格型数据，不是所有表格都可以用read_html爬取，有的网站表面上看起来是表格，但在网页源代码中不是table格式，而是list列表格式，这种表格就不适用read_html爬取。pymysql库可以将Python与SQL数据库建立完美连接，而read_sql在pymysql库建立连接后将SQL数据库的数据读取