利用Python进行数据分析(8) pandas基础: Series和DataFrame的基本操作
一、reindex() 方法：重新索引 针对 Series 重新索引指的是根据index参数重新进行排序。 如果传入的索引值在数据里不存在，则不会报错，而是添加缺失值的新行。 不想用缺失值，可以用 ...
原文：利用Python进行数据分析(15) pandas基础: 字符串操作
字符串对象方法 split 方法拆分字符串： strip 方法去掉空白符和换行符： split 结合strip 使用： 符号可以将多个字符串连接起来： join 方法也是连接字符串，比较它和 符号的区别： in关键字判断一个字符串是否包含在另一个字符串中： index 方法和find 方法判断一个子字符串的位置： index 方法和find 方法的区别是：如果不包含子字符串，index 会抛出一 ...
2016-08-14 09:59 0 29298 推荐指数：
相关推荐
利用python进行数据分析之pandas入门
转自https://zhuanlan.zhihu.com/p/26100976 目录：5.1 pandas 的数据结构介绍5.1.1 Series5.1.2 DataFrame5.1.3索引对象5.2基本功能 5.2.1重新索引5.2.2丢弃指定轴上的项5.2.3索引、选取和过滤5.2.4 ...
利用python进行数据分析——pandas与索引
1. pandas包括series、dataframe Series Series是一维的数组型对象。 Series包含了索引index和值value。比如说： DataFrame DataFrame是矩阵的数组表。 DataFrame既有行索引也有列索引，它可 ...
《利用Python进行数据分析》---pandas入门
pandas的数据结构介绍 要使用pandas,你首先要熟悉它的两个主要数据结构：Series和DataFrame。虽然它们并不能解决所有问题，但它们为大多数应用提供了一种可靠的、易于使用的基础 Series Series的字符串表现形式为：索引在左，值在右。由于我们没有为数据 ...
利用Python进行数据分析(10) pandas基础: 处理缺失数据
数据不完整在数据分析的过程中很常见。 pandas使用浮点值NaN表示浮点和非浮点数组里的缺失数据。 pandas使用isnull()和notnull()函数来判断缺失情况。 对于缺失数据一般处理方法为滤掉或者填充 ...
利用Python进行数据分析(12) pandas基础: 数据合并
pandas 提供了三种主要方法可以对数据进行合并： pandas.merge()方法：数据库风格的合并； pandas.concat()方法：轴向连接，即沿着一条轴将多个对象堆叠到一起； 实例方法 ...
利用Python进行数据分析(13) pandas基础: 数据重塑/轴向旋转
重塑定义 重塑指的是将数据重新排列，也叫轴向旋转。 DataFrame提供了两个方法： stack: 将数据的列“旋转”为行。 unstack:将数据的行“旋转”为列 ...
利用Python进行数据分析(14) pandas基础: 数据转换
数据转换指的是对数据的过滤、清理以及其他的转换操作。 移除重复数据 DataFrame里经常会出现重复行，DataFrame提供一个duplicated()方法检测各行是否重复，另一个drop_duplicates()方法用于 ...