《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 ...
原文：利用python进行数据分析之pandas入门
转自https: zhuanlan.zhihu.com p 目录： . pandas 的数据结构介绍 . . Series . . DataFrame . . 索引对象 . 基本功能 . . 重新索引 . . 丢弃指定轴上的项 . . 索引 选取和过滤 . . 算术运算和数据对齐 . . . 在算术方法中填充值 . . . DataFrame和Series之间的运算 . . 函数应用和映射 . . ...
2018-02-11 14:45 0 2014 推荐指数：
相关推荐
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》读书笔记--第五章 pandas入门
pandas是本书后续内容的首选库。pandas可以满足以下需求： 具备按轴自动或显式数据对齐功能的数据结构。这可以防止许多由于数据未对齐以及来自不同数据源（索引方式不同）的数据而导致的常见错误。. 集成时间序列功能 既能 ...
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_Pandas_数据加载、存储与文件格式
申明：本系列文章是自己在学习《利用Python进行数据分析》这本书的过程中，为了方便后期自己巩固知识而整理。 1 pandas读取文件的解析函数 read_csv 读取带分隔符的数据，默认分隔符 逗号 read_table 读取带分隔符的数据，默认分隔符 “\t” read_fwf 读取 ...
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_Pandas_处理缺失数据
申明：本系列文章是自己在学习《利用Python进行数据分析》这本书的过程中，为了方便后期自己巩固知识而整理。 1 读取excel数据 2 检测缺失值 2.1 isnull返回一个含有布尔值的对象 2.2 notnull 是isnull 的否定 ...
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 ...