讲的挺好的,给出明确的基础脉络,了解了python能实现的数据分析的具体功能,建议有具体需求可以去搜相关用法。感觉老师知识超丰富,就是内容太多,时间短,不方便展开讲吧。
透视表values默认数据的平均值,还可以设置求和、计数:
pd.pivot_table(df,index=[……],values=[……],aggfunc=np.sum)
aggfunc=[np.mean,len])……
透视表values默认数据的平均值,还可以设置求和、计数:
pd.pivot_table(df,index=[……],values=[……],aggfunc=np.sum)
aggfunc=[np.mean,len])……
2017-11-17
登录官网,documentation,学习更多内容。
学了这个课程,发现自己忘了好多数学知识。最优化求解,单纯型办法,插值,矩阵分解……
哈哈,突然想到插值里的龙格现象……看来要复习一下了~~/(ㄒoㄒ)/~~
学了这个课程,发现自己忘了好多数学知识。最优化求解,单纯型办法,插值,矩阵分解……
哈哈,突然想到插值里的龙格现象……看来要复习一下了~~/(ㄒoㄒ)/~~
2017-11-16
#missing values
df1=df.reindex(index=dates[:4],columns=list("ABCD"+["G"]))
df1.loc[dates[0]:dates[1],"G"]=1 #给1和2行1列赋值=1
缺失值 NaN
废弃或者填充
df1.dropna() #废弃
df1.fillna(values=1) #填充确实值为1
df1=df.reindex(index=dates[:4],columns=list("ABCD"+["G"]))
df1.loc[dates[0]:dates[1],"G"]=1 #给1和2行1列赋值=1
缺失值 NaN
废弃或者填充
df1.dropna() #废弃
df1.fillna(values=1) #填充确实值为1
2017-10-31
看懂了在哪里进行实例演练呀
def.loc[:,"D"]=np.array([4]*len(df)) #将D列全部改为4
def.loc[:,"D"]=np.array([4]*len(df)) #将D列全部改为4
2017-10-31
typr(df["A"]) #A列的属性
dataframe是由series组成的 而series是dataframe的个例
dataframe是由series组成的 而series是dataframe的个例
2017-10-31