📅  最后修改于: 2020-01-31 15:19:15        🧑  作者: Mango

给定n，为nxn矩阵打印棋盘图案n = 8的棋盘图案：它由n * n个正方形组成，白色交替为0，黑色交替为1。我们可以使用嵌套的for循环和某些if条件来执行相同的操作，但是使用Python的numpy库，我们可以导入二维矩阵并使用切片来获得棋盘格图案。将使用以下Python函数打印成棋盘格使用此函数，我们使用numpy初始化所有元素均为0的2-D矩阵x [1 :: 2，:: 2] = 1：从第一...

📅  最后修改于: 2020-01-31 15:20:57        🧑  作者: Mango

Pandas DataFrame是带有标签轴(行和列)的二维大小可变的，可能是异构的表格数据结构。数据框是二维数据结构，即，数据以表格形式在行和列中对齐。Pandas DataFrame由三个主要组件组成，即data，rows和column。我们将简要介绍可以在Pandas DataFrame上执行的所有这些基本操作：创建一个DataFrame处理行和列索引和选择数据处理丢失的数据遍历行和列创建一...

📅  最后修改于: 2020-01-31 15:38:24        🧑  作者: Mango

在现实世界中，将通过从现有存储中加载数据集来创建Pandas DataFrame，存储可以是SQL数据库，CSV文件和Excel文件。可以从列表，字典以及字典列表等创建Pandas DataFrame。数据框是二维数据结构，即，数据以表格形式在行和列中对齐。在以行和列排列的数据框数据集中，我们可以在一个数据框中存储任意数量的数据集。我们可以对这些数据集执行许多操作，例如算术运算，列/行选择，列/行...

📅  最后修改于: 2020-01-31 15:41:31        🧑  作者: Mango

数据框DataFrame是二维数据结构，即，数据以表格形式在行和列中对齐。我们可以对行/列执行基本操作，例如选择，删除，添加和重命名。在本文中，我们正在使用nba.csv文件。处理列为了处理列，我们对列执行基本操作，例如选择，删除，添加和重命名。列选择：为了在Pandas DataFrame中选择列，我们可以通过按列名称调用它们来访问列。输出：Column Addition/添加列：为了在Pand...

📅  最后修改于: 2020-01-31 17:12:31        🧑  作者: Mango

在Pandas中建立索引：在Pandas中建立索引意味着仅从DataFrame中选择特定的数据行和数据列。索引编制可能意味着选择所有行和某些列，某些行和所有列，或每个行和列中的一些。索引编制也称为子集选择。让我们看一些在Pandas中建立索引的示例。在本文中，我们使用“nba.csv“文件下载CSV，请单击此处。选择一些行和一些列让我们以包含一些虚假数据的DataFrame为例，现在我们对该Dat...

📅  最后修改于: 2020-01-31 17:29:20        🧑  作者: Mango

在布尔索引中，我们将基于DataFrame中数据的实际值而非其行/列标签或整数位置来选择数据子集。在布尔索引中，我们使用布尔向量来过滤数据。布尔索引是一种索引类型，它使用DataFrame中数据的实际值。在布尔索引中，我们可以通过四种方式过滤数据:使用布尔索引访问DataFrame将布尔掩码应用于数据框根据列值屏蔽数据根据索引值屏蔽数据访问带有布尔索引的数据框：为了访问带有布尔索引的数据框，我们必...

📅  最后修改于: 2020-01-31 17:33:13        🧑  作者: Mango

Python是进行数据分析的一种出色语言，主要是因为以数据为中心的Python软件包具有奇妙的生态系统。Pandas是其中的一种，使导入和分析数据更加容易。在本文中，我们使用“nba.csv“文件下载CSV，请单击此处。将Pandas对象转换为指定的dtypeDataFrame.astype()函数用于将Pandas对象强制转换为指定的dtype。astype()函数还提供了将任何合适的现有列转换...

📅  最后修改于: 2020-02-01 05:54:46        🧑  作者: Mango

迭代是一个总称，用于表示一件一件的事情。Pandas DataFrame由行和列组成，因此，为了迭代数据帧，我们必须像字典一样迭代数据帧。在字典中，我们以必须在数据帧中进行迭代的方式遍历对象的键。在本文中，我们使用“nba.csv“文件下载CSV，请单击此处。在Pandas Dataframe中，我们可以通过两种方式迭代元素：遍历行遍历列遍历行：为了遍历行，我们可以用三个函数iteritems()...

📅  最后修改于: 2020-02-01 06:01:46        🧑  作者: Mango

如果没有为一个或多个项目或整个单元提供信息，则可能会发生数据丢失。在现实生活中，数据丢失是一个非常大的问题。缺失数据也可以称为NA，即不可用值。在DataFrame中，有时许多数据集缺少数据，要么是因为它存在而未被收集，要么是它不存在。例如，假设被调查的不同用户可能选择不分享其收入，某些用户可能会选择不分享地址，从而丢失了许多数据集。在pandas中，缺失数据由两个值表示：None：None是Py...

📅  最后修改于: 2020-02-01 06:05:24        🧑  作者: Mango

系列和索引配备了一组字符串处理方法，这些方法使操作数组中的每个元素变得容易。也许最重要的是，这些方法会自动排除丢失/ NA值。这些可以通过str属性访问，并且通常具有与等效的(标量)内置字符串方法匹配的名称。大写和小写数据为了小写数据，我们使用str.lower()这个函数将所有大写字符转换为小写。如果不存在大写字符，则返回原始字符串。为了大写数据，我们使用str.upper()这个函数将所有小写...

📅  最后修改于: 2020-02-01 06:11:14        🧑  作者: Mango

事实证明，pandas作为处理时间序列数据的工具非常成功，尤其是在财务数据分析领域。使用NumPy datetime64和timedelta64 dtype，整合了其他Python库中的大量功能，例如scikits.timeseries，并创建了用于处理时间序列数据的大量新函数。示例1：创建日期数据框输出：例2：创建日期范围并显示基本内容输出：例3：将数据和时间分解为单独的特征输出：日期时间方法：...

📅  最后修改于: 2020-02-01 06:20:53        🧑  作者: Mango

Pandas DataFrame是带有标签轴(行和列)的二维大小可变的，可能是异构的表格数据结构。数据框是二维数据结构，即，数据以表格形式在行和列中对齐。我们可以使用不同的方法来联接，合并和合并数据框。在Dataframedf.merge()中df.join()，和df.concat()方法有助于连接，合并和缩编不同的数据框。串联concatDataFrame为了连接数据框，我们使用concat(...

📅  最后修改于: 2020-02-01 06:32:48        🧑  作者: Mango

Pandas Series是一维标记数组，能够保存任何类型的数据(整数，字符串，浮点数，Python对象等)。轴标签统称为index。Pandas Series不过是Excel工作表中的一列。标签不必是唯一的，但必须是可哈希的类型。该对象同时支持基于整数和基于标签的索引，并提供了许多用于执行涉及索引的操作的方法。在本文中，我们正在使用nba.csv文件。创建Pandas Series在现实世界中，...

📅  最后修改于: 2020-02-01 06:35:54        🧑  作者: Mango

Pandas Series是一维标记数组，能够保存任何类型的数据(整数，字符串，浮点数，Python对象等)。轴标签统称为index。标签不必是唯一的，但必须是可哈希的类型。该对象同时支持基于整数和基于标签的索引，并提供了许多用于执行涉及索引的操作的方法。创建空Series：可以创建的基本Series是“空Series“。输出：从数组创建序列：为了从数组创建序列，我们必须导入numpy模块并必须使...

📅  最后修改于: 2020-02-01 06:50:34        🧑  作者: Mango

Pandas Series是一维标记数组，能够保存任何类型的数据(整数，字符串，浮点数，Python对象等)。标签不必是唯一的，但必须是可哈希的类型。可以类似于ndarray中的元素访问系列中的元素。可以通过两种方式访问​​系列的元素–从具有位置的系列访问元素使用标签访问元素(索引)在本文中，我们使用“nba.csv“文件。下载CSV，请单击此处。从具有位置的Series访问元素为了访问Serie...