NumPy函数 NumPy统计分析函数数学运算函数 函数 说明 np.add()\np.subtract()\np.multiply()\np.divide() 简单的加减乘除运算 np.abs() 取数组中各元素的绝对值 np.sqrt() 计算数组中各元素的平方根 np.square() 计算数组中各元素的平方 np.log()\np.log10()\np.log2() 计算数组中各 2021-10-12 Python NumPy
NumPy矩阵 NumPy矩阵的基本操作矩阵是数学概念，数组是numPy概念。在numPy中，矩阵属于数组的分支，二维数组也称为矩阵。 但是，NumPy 数据库中存在两种不同的数据类型：矩阵(matrix)和数组(array)，他们都可以处理行列表示的数组元素，虽然他们看起来很相似，但是在这两种数据类型上执行相同的数学运算，可能得到的结果大相径庭。 创建矩阵m1 = np.mat('a b;c d' 2021-10-11 Python NumPy
NumPy数组 NumPy数组目录 概述 数组计算 2.1. 数组概念 2.2. 创建数组 (1) 简单创建数组 (2) 从数值范围创建数组 (3) 生成随机数组 (4) 从已有的数组中创建数组 2.3. 数组的基本操作 (1) 数据类型 (2) 数组运算 (3) 数组的索引和切片 (4) 数组重塑 (5) 数组的增，删，改，查 概述Numpy 以数组的形式对数据进行操作。 数组计算数组概 2021-10-10 Python NumPy
NumPy目录 目录 概述 数组计算 2.1. 数组概念 2.2. 创建数组 (1) 简单创建数组 (2) 从数值范围创建数组 (3) 生成随机数组 (4) 从已有的数组中创建数组 2.3. 数组的基本操作 (1) 数据类型 (2) 数组运算 (3) 数组的索引和切片 (4) 数组重塑 (5) 数组的增，删，改，查 矩阵计算 3.1. 创建矩阵 3.2. 矩阵运算 3.3. 矩阵转换 科学计 2021-10-09 Python NumPy
mpl绘图 常用图表的绘制目录 绘制折线图 绘制柱形图 绘制直方图 绘制饼形图 绘制散点图 绘制面积图 绘制热力图 绘制箱形图 绘制3D图 绘制多个子图表 图表保存准备工作 12345678import pandas as pdimport matplotlib.pyplot as plt# 设置表格对齐pd.set_option('display.unicode.east_asian_width 2021-10-08 Python matplotlib
mpl基础 matplotlib 图表的常用设置目录 基本绘图函数 设置画布 设置坐标轴 添加文本标签 设置标题和图例 添加注释 调整图表与画布边缘间距 其他设置 准备工作12345# 导入绘图库import matplotlib.pyplot as plt# 设置中文字体plt.rcParams['font.sans-serif']=['SimHei'] 基本绘图函 2021-10-07 Python matplotlib
Pandas时间序列 时间序列将时间按照不同的频率进行分组，形成新的序列 重采样df.resample(‘时间刻度’, on=’date_column’) 时间刻度包括’AS/Q/M/W/D/T’即“年、季度、月、星期、天、分钟” 可与对时间刻度前乘以常数，以更改时间刻度大小。如3T。 on=’date_column’为可选参数，若不设置，则默认为索引列。 时间数列数据汇总当使用时间序列进行分组统计时，可以使用ohlc 2021-10-06 Python pandas
Pandas数据输出 数据输出目录 数据合并 1 merge()方法 2 concat()方法 数据移位 数据转换 1 DataFrame转换为字典 2 DataFrame转换为列表 3 DataFrame转换为元组 4 DataFrame转换为HTML网页格式 数据导出 1 导出为.xlsx文件 2 导出为.csv文件 1. 数据合并1.1 merge()方法按照列名相同的列进行合并 123 2021-10-05 Python pandas
Pandas数据格式化 数据格式化目录 数值类型格式化 设置小数位数 设置百分比 设置千位分隔符 文本类型格式化 一列数据转换为多列数据 行列转换 日期类型格式化 批量处理日期数据转换(to_datetime()) 日期判断(df[‘column’].dt.year()) 前期准备123456789import pandas as pd import numpy as n 2021-10-04 Python pandas
Pandas数据计算 数据计算目录 常用函数 分组统计函数 按不同时期统计数据的函数 常用函数求和函数1DataFrame.sum(axis=None, skipna=None, level=None, numeric_only=None, min_count=0, **kwargs) axis： axis=0表示按行对所有列求和，axis=1表示按列对所有行求和； skipna: 布尔型，表示计算结果是否排 2021-10-03 Python pandas