-
column 专栏; 圆柱; 纵队,列 import pandas as pd 导入 pandas 包,在 pandas 中把数据存储成 dataframe 数据结构,一个 dataframe 就是一张表,通过cav 文件导入 python,csv 文件第一行为列名,通常第一个字符为 ",",以便做成表格时与第一列的行名 错开,因为第一行第一列的交叉处是没有数据的 brics = pd.read_csv("path/to/brics.csv",index_col = 0) 获取列:brics["country"] 或者 brics.country 添加列:brics["要添加的列"]=[list] (把一个 list 赋值给它) 添加列(2):brics["要添加的列"] = brics["country"]/brics["area"] 通过其他列来生成新列 获取行:brics.loc["BR"] 元素:brics.loc["行标","列标"] 或者 brics["列标"].loc["行标"] 或者 brics.loc["行标"]["列标"] (第三种实际上是先获得行标,再寻找列标,跟第二种方法相反)查看全部
-
- 查看类型的命令:type() - Python 的数据类型:int, float, str, bool(True, False) - "+" 的妙用:用于数值时,作用是加法;用于字符串时,作用是连接,类似于 C++,JavaScript 等查看全部
-
corrcoef 相关性 std标准差查看全部
-
shape属性可以提供array的数据结构
查看全部 -
构造子集查看全部
-
bmi[bmi>23] 构建numpy子集查看全部
-
import matplotlib.pyplot as plt x=[] y=[] plt.plot(x,y) #线图 plt.scatter(x,y) #散点图 plt.show()查看全部
-
当x拷贝给y的时候并不是拷贝的x的内容,而是x的引用,即地址查看全部
-
数据科学中的python查看全部
-
Numpy 方便高效处理数组的包 Matplotlib 做数据可视化 Scikit-learn 做机器学习的查看全部
-
函数 在对象上条用函数(方法)查看全部
-
plt.xlable('标签') plt.ylable('标签') #给 x,y 轴加标签 plt.title('标题') #给表加标题 plt.yticks([0,2,4,6,8]) #给y周添加刻度 plt.yticks([0,2,4,6,8],['0','2B','4B','6B','8B']) plt.fill_between(x,y,0,color=你设定的颜色(比如'green')) x,y都是 list >>> help(p.fill_between) Help on function fill_between in module matplotlib.pyplot: fill_between(x, y1, y2=0, where=None, interpolate=False, step=None, hold=None, data=None, **kwargs) Make filled polygons between two curves.查看全部
-
max([list]) 可以得到最大值 round(x,y) x 是要截取的数值,y 控制精度,也就是小数点后的位数,默认 y=0查看全部
-
包 --Python脚本的目录 --每个模块-一个模板 --Numpy--科学计算 --Matplotlib:数据可视化 --Scikit-learn--机器学习 --包的安装 http://pip.readthedocs.org/en/stable/installing/ 安装 get-pip.py 终端:python3 get-pip.py pip3 install numpy --引入包 import numpy查看全部
-
1、max(list名):取list中最大元素。 2、round(截取数值,截取精度): 将截取数值按照截取精度进行截取,其中截取精度为整数,意思是按照四舍五入的原则截取小数点后面几位小数; 截取精度也可以省略,则默认按照四舍五入只截取整数部分。 3、help(函数名):查看该函数的详细信息。 4、定义可选参数: [,可选参数]; 在函数名上选参数时可以在必选参数后面直接定义可选参数的数值,这样,若是在调用该函数时,只给了必选参数,则默认可选参数为函数本身给定的数值。 相当于课中round(x,y=0)查看全部
举报
0/150
提交
取消