数据分析中pandas有什么用

这篇文章主要为大家展示了“数据分析中pandas有什么用”，内容简而易懂，条理清晰，希望能够帮助大家解决疑惑，下面让小编带领大家一起研究并学习一下“数据分析中pandas有什么用”这篇文章吧。

创新互联建站专注于巴马企业网站建设,成都响应式网站建设公司,成都商城网站开发。巴马网站建设公司,为巴马等地区提供建站服务。全流程定制网站，专业设计，全程项目跟踪，创新互联建站专业和态度为您提供的服务

数据分析

• python数据科学的基础

• 机器学习课程的基础

• 工具anaconda和jupyter

• matplotlib

• 查看系统字体：fc-list :lang=zh

numpy

• NumPy是使用Python进行科学计算的基础包

• 官网：https://www.numpy.org.cn/

pandas

• Seres一维数组

• t.index

• t.values

• DataFrame二维数组

• 处理方式1:删除NaN所在的行列dropna(axis=0,how='any',inplace=False)

• 处理方式2:填充数据t.fillna(t.mean())#均值,t.fiall(t.median()),t.fillna(0)

  处理为0的数据：t[t=0]=np.nan
  当然并不是每次为0的数据都需要处理
  计算平均值等情况，nan是不参与计算的，但是0会

• 指定索引：t.index = ['x', 'y']

• 重新设置索引：t.reindex(['x', 'y'])

• 指定某一列作为index：t.set_index("name", drop=False)

• 返回index的唯一值：t.set_index("name").index.unique()

• 交换levels里面的索引：t.swaplevel()

• 行索引，表明不同行，横向索引，叫index，0轴，axis=0

• 行索引，表明不同列，纵向索引，叫columns，1轴，axis=1

• t.index 行索引

• t.columns 列索引

• t.values 对象值，二维ndarray数组

• t.shape 形状（行数，列数）

• t.dtypes 类型

• t.ndim 数据维度

• t.head(3) 显示头部几行，默认5行

• t.tail(3) 显示尾部几行，默认5行

• t.info() 相关信息概览：行数、列数、列索引、列非空值个数、列类型、行类型、内存占用

• t.describe() 快速综合统计结果：计算、均值、标准差、最大值、四分位数、最小值

• t.loc() 通过标签索引行数据

• t.iloc() 通过位置获取行数据

• 判断数据是否为NaN:pd.isnull(t),pd.notnull(t)

• pandas 常用统计方法

• on:指定列

• how->inner（默认）交集方式合并

• how->outer 并集方式合并，NaN补全

• how->left 以左边为准合并，NaN补全

• how->right 以右边为准合并，NaN补全

• 平均值：df["xx"].mean()

• 最大值：df["xx"].max()

• 最大值索引：df["xx"].idxmax()

• 最小值：df["xx"].max()

• 最小值索引：df["xx"].idxmin()

• 中位数：df["xx"].median()

• join：默认是把行索引相同的数据合并到一起t1.join(t2)

• merge：按照指定的列把数据按照一定的方式合并到一起t1.merge(t2, on="a", how="inner")

• 时间序列

• ps.to_datetime(df["timeStamp"])

以上是“数据分析中pandas有什么用”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注创新互联行业资讯频道！