- 博客(74)
- 收藏
- 关注
RSS订阅原创 实现轮播图效果
该文档实现的效果如下： 1. 轮播图获得焦点时，显示左右箭头，并停止轮播图自动播放 2. 实现点击左右箭头时，轮播图自动向左或向右，并且小圆点跟随运动 3. 点击小圆点时，图片切换到对应的图片 4. 自动轮播，每2s一次
2022-05-03 13:28:34
1923
原创 鼠标右键新建不显示文本文档的解决办法
正常情况下要新建记事本，只要在桌面的空白处点击鼠标右键，在弹出的菜单中点击新建记事本选项即可，如果右键菜单中的新建记事本选项不见了，可以按照以下教程找回。1、按Win+R打开运行窗口，输入cmd回车打开命令提示符界面;2、在命令提示符中输入“reg add "HKEY_CLASSES_ROOT\.txt" /ve /d "txtfile" /f ”命令并回车，如图所示;3、继续输入命令“reg add "HKEY_CLASSES_ROOT\.txt\ShellNew" /v "NullFi.
2022-03-18 09:32:45
2736
5
原创 exchangelib-如何安装
1. 可以使用pip安装，指令如下pip install exchangelib默认安装不支持 Kerberos 或 SSPI。 要获得额外的 Kerberos 或 SSPI 支持，请安装额外的 kerberos 或 sspi 依赖项（请注意，SSPI 仅在 Windows 上受支持）：pip install exchangelib[kerberos]pip install exchangelib[sspi]如果想安装全部的exchangelib，使用如下指令pip instal
2021-11-03 15:51:42
774
原创 pandas-时间序列与日期用法（七）
本节介绍重采样Pandas 有一个虽然简单，但却强大、高效的功能，可在频率转换时执行重采样，如，将秒数据转换为 5 分钟数据，这种操作在金融等领域里的应用非常广泛。resample()是基于时间的分组操作，每个组都遵循归纳方法。参阅Cookbook了解高级应用。1.基础知识resample函数非常灵活，可以指定多种频率转换与重采样参数。任何支持派送（dispatch）(opens new window)的函数都可用于resample返回对象，包括sum、mean、std、...
2021-11-02 17:06:10
140
原创 pandas-时间序列与日期用法（六）
1.时间序列实例方法移位与延迟：有时，需要整体向前或向后移动时间序列里的值，这就是移位与延迟。实现这一操作的方法是shift()，该方法适用于所有 pandas 对象。shift方法支持freq参数，可以把DateOffset、timedelta对象、偏移量别名作为参数值：除更改数据与索引的对齐方式外，DataFrame与Series对象还提供了tshift()便捷方法，可以指定偏移量修改索引日期。2.频率转换改变频率的函数主要是asfreq()。对于...
2021-11-02 16:24:22
139
原创 pandas-时间序列与日期用法（五）
本节介绍自定义工作日和自定义工作时间Cday或CustomBusinessDay类可以参数化BusinessDay类，用于创建支持本地周末与传统节假日的自定义工作日历。1.下面这个例子就很有意思，知道吗？埃及的周末是星期五与星期六。下列代码实现了日期与工作日之间的映射关系2.工作时间BusinessHour表示BusinessDay基础上的工作时间，用于指定开始与结束工作时间。BusinessHour默认的工作时间是 9:00 - 17:00。BusinessHo...
2021-11-01 16:36:57
686
原创 pandas-时间序列与日期用法（四）
本节介绍DateOffset 对象DateOffset类似于时间差Timedelta，但遵循指定的日历日规则。例如，Timedelta表示的每日时间差一直都是 24 小时，而DateOffset的每日偏移量则是与下一天相同的时间差，使用夏时制时，每日偏移时间有可能是 23 或 24 小时，甚至还有可能是 25 小时。不过，DateOffset子类只能是等于或小于小时的时间单位（Hour、Minute、Second、Milli、Micro、Nano），操作类似于Timedelta及对应的绝对时...
2021-11-01 11:12:06
430
原创 pandas-时间序列与日期用法（三）
本节介绍时间索引（DatetimeIndex）DatetimeIndex主要用作 pandas 对象的索引。DatetimeIndex类为时间序列做了很多优化：预计算了各种偏移量的日期范围，并在后台缓存，让后台生成后续日期范围的速度非常快（仅需抓取切片）。 在 pandas 对象上使用shift与tshift方法进行快速偏移。 合并具有相同频率的重叠DatetimeIndex对象的速度非常快（这点对快速数据对齐非常重要）。 通过year、month等属性快速访问日期字段。...
2021-11-01 10:30:26
771
原创 pandas-时间序列与日期用法（二）
本节介绍时间戳1.时间戳是最基本的时间序列数据，用于把数值与时点关联在一起。Pandas 对象通过时间戳调用时点数据。2.大多数情况下，用时间段改变变量更自然。Period表示的时间段更直观，还可以用日期时间格式的字符串进行推断。3.Timestamp与Period可以用作索引。作为索引的Timestamp与Period列表则被强制转换为对应的 DatetimeIndex与PeriodIndexPandas 可以识别这两种表现形式，并在两者之间进行转化。Pandas 后...
2021-10-31 13:53:05
712
原创 pandas-时间序列与日期用法（一）
依托 NumPy 的datetime64、timedelta64等数据类型，pandas 可以处理各种时间序列数据，还能调用scikits.timeseries等 Python 支持库的时间序列功能。pandas支持以下操作：1.解析时间格式字符串、np.datetime64、datetime.datetime等多种时间序列数据。2.生成DatetimeIndex、TimedeltaIndex、PeriodIndex等定频日期与时间段序列。3.处理、转换带时区的日期时...
2021-10-31 12:38:21
788
原创 pandas-组操作-拆分-应用-组合（groupby）（五）
对分组数据的某些操作可能不适合聚合或转换类别。 或者，您可能只是希望 GroupBy 推断如何组合结果。 对于这些，使用 apply 函数，它可以在许多标准用例中替代聚合和转换。 然而， apply 可以处理一些特殊的用例1. apply()函数的基本用法：2.返回结果的维度也可以改变：3.apply 在 Series 可以对应用函数的返回值进行操作，这本身就是一个系列，并且可将结果向上转换为 DataFrame：4.要查看组的顺序（与 cumcount 给出的组内行的顺序相...
2021-10-29 17:09:31
137
原创 pandas-组操作-拆分-应用-组合（groupby）（四）
1.filter 方法返回原始对象的一个子集。 假设我们只想取属于组总和大于 2 的组的元素。2.filter 的参数必须是一个函数，应用于整个组，返回 True 或 False。另一个有用的操作是过滤掉属于只有几个成员的组的元素3.我们可以返回一个类似索引的对象，而不是删除有问题的组，其中未通过过滤器的组用 NaN 填充。4.对于具有多列的 DataFrame，过滤器应明确指定一列作为过滤条件。...
2021-10-29 16:48:26
91
原创 pandas-组操作-拆分-应用-组合（groupby）（三）
transform 方法返回一个对象，该对象与被分组的对象索引相同（相同大小）注意事项：返回与组块大小相同或可广播到组块大小的结果（例如，标量，grouped.transform(lambda x: x.iloc[-1])） 在组块上逐列操作。 使用 chunk.apply 将转换应用于第一个组块。 不对组块执行就地操作。 组块应该被视为不可变的，对组块的更改可能会产生意想不到的结果。 例如，使用fillna 时，inplace 必须为False (grouped.transform(lambd
2021-10-29 11:24:45
343
原创 pandas-组操作-拆分-应用-组合（groupby）（一）
DataFrame.groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=NoDefault.no_default, observed=False, dropna=True)参数解释：by :接收映射、函数、标签或标签列表；用于确定 groupby 的组。 如果 by 是一个函数，它会在对象索引的每个值上调用。 如果传递了 dict 或 S.
2021-10-28 22:11:06
635
原创 pandas-处理丢失的数据（dropna）
DataFrame.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)参数解释：axis：参数确定是否删除包含缺失值的行或列 how：参数当我们至少有一个NA时，确定是否从DataFrame中删除行或列 thresh=n：参数表示保留至少含有n个非na数值的行 subset：参数表示要在哪些列中查找缺失值 inplace：参数表示直接在原DataFrame修改1. 基础用法2. 参数axis的用...
2021-10-27 20:40:16
450
原创 pandas-处理丢失的数据（fillna）
DataFrame.fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None)参数解释：value：用于填充的空值的值。 method： {'backfill', 'bfill', 'pad', 'ffill', None}, default None。定义了填充空值的方法， pad / ffill表示用前面行/列的值，填充当前行/列的空值， .
2021-10-27 20:18:14
596
原创 Pandas-处理文本字符串（其他）
1.测试匹配或包含模式的字符串你可以检查是否一个元素包含一个可以匹配到的正则表达式：或者是否元素完整匹配一个正则表达式：match和contains的区别是是否严格匹配。match严格基于re.match，而contains基于re.search。类似match,contains,startswith和endswith可以传入一个额外的na参数，因此，因此缺失值在匹配时可以被认为是True或者False：2.建立一个指示变量从字符串列可以抽出一个哑变量。例如，...
2021-10-26 16:56:37
158
原创 Pandas-处理文本字符串（提取子字符串）
1. 使用.str进行索引可以使用[]方法来直接索引定位。如果你的索引超过了字符串的结尾，将返回NaN输出：2.提取第一个匹配的对象 (extract)extract方法接受一个至少含有一个捕获组的正则表达式，使用超过一个捕获组的正则表达式则会提取并返回一个数据表，每一列为一个捕获组。有名称的捕获组：注意，任何有名称的捕获组，其名称都会被用做列名，否则将会直接使用数字。如果仅使用正则表达式捕获一个组，而expand=True，那么仍然将返回一个数据表。...
2021-10-26 16:51:24
5278
原创 Pandas-处理文本字符串（拼接）
Pandas提供了不同的方法将序列或索引与他们自己或者其他的对象进行拼接，所有的方法都是基于各自的cat()方法1.将单个序列拼接为一个完整字符串输出：2. 如果没有额外声明，sep即分隔符默认为空字串，即sep=''：输出：3.默认情况下，缺失值会被忽略。使用na_rep参数，可以对缺失值进行赋值：输出：4.拼接序列和其他类列表型对象为新的序列cat()的第一个参数为类列表对象，但必须要确保长度与序列或索引相同.输出：...
2021-10-26 16:35:33
6812
原创 Pandas-处理文本字符串（拆分split和替换replace）
一、pandas中拆分字符串使用的是split1. 使用split方法拆分字符输出：2.切分后的列表中的元素可以通过get方法或者[]方法进行读取：输出：3. 使用expand方法可以轻易地将这种返回展开为一个数据表输出：4. 限制切分的次数：输出：5.rsplit与split相似，不同的是，这个切分的方向是反的。即，从字串的尾端向首段切分输出：二、 pandas中替换字符串使用的是replace...
2021-10-26 15:46:54
11640
原创 pandas-合并、连接和联接（join）
join方法用于索引的连接join是一种将两个可能具有不同索引的 DataFrame 的列组合成单个结果 DataFrame 的便捷方法1. 基本用法：输出：2. 参数how的用法输出：3. 参数on的用法采用可选的 on 参数，该参数可以是一列或多个列名，它指定传递的 DataFrame 将在 DataFrame 中的该列上对齐输出：4. 多索引的用法输出：5. 单索引连接多索引的一个索引可以将单索引 Data...
2021-10-26 14:59:12
1512
原创 pandas-合并、连接和联接（merge）
pd.merge(left, right, how='inner', on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=True, suffixes=('_x', '_y'), copy=True, indicator=False, validate=None)参数解析：left: 拼接的左侧DataFrame对象 right: 拼..
2021-10-26 14:23:12
490
原创 pandas-合并、连接和联接（concat）
concat()函数完成沿轴执行的串联操作pd.concat(objs, axis=0, join='outer', ignore_index=False, keys=None, levels=None, names=None, verify_integrity=False, copy=True)参数解释：objs：Series，DataFrame或Panel对象的序列或映射。如果传递了dict，则排序的键将用作键参数，除非它被传递，在这种情况下，将选择值（见下文）。任何...
2021-10-26 10:43:34
315
原创 pandas-多索引和高级索引（take方法）
与NumPy的ndarrays相似，pandas的Index，Series，和DataFrame也提供take()方法。他可以沿着某个维度，按照给定的索引取回所有的元素。这个给定的索引必须要是一个由整数组成的列表或者ndarray，用以指明在索引中的位置。take也可以接受负整数，作为相对于结尾的相对位置。1. Index中的take方法：2.Series中的take方法3.DataFrame中的take方法需要注意的是， pandas对象的take方法并...
2021-10-26 09:43:00
834
原创 pandas-多索引和高级索引（多索引排序）
对于拥有多层级索引的对象来说，你可以通过排序来是的索引或切片更为高效。就如同其他任何的索引操作一样。1.使用sort_index方法来实现排序输出：2. 可以传递level参数来具体按照哪个index进行排序：3. 如果你的多层级索引都被命名了的话，你也可以向sort_index传入一个层级名称。输出：4.在MultiIndex上使用is_lexsorted()方法，你可以查看这个索引是否已经被排序。而使用lexsort_depth()属性则可以...
2021-10-26 09:17:49
758
原创 pandas-多索引和高级索引（具有层次索引的高级索引方法）
语法上，使用.loc()方法，在高级索引中加入MultiIndex（多层索引）,1. 简单来说，多层索引的索引键（keys）来自元组的格式。输出：注意df.loc['bar', 'one']也将会在这个用例中正常工作，但是这种便捷的简写方法总的来说是容易产生歧义的。2.也可以通过使用一个元组的切片，提供一个值的范围(a ‘range’ of values),来进行切片输出：3. 使用切片可以使用slice(None)来选择所有的该级别的内容。你不...
2021-10-25 21:20:59
1086
原创 pandas-多索引和高级索引（创建多级索引）
分层/多级索引在处理复杂的数据分析和数据操作方面为开发者奠定了基础，尤其是在处理高纬度数据处理上。本质上，它使您能够在较低维度的数据结构(如Series(1d)和DataFrame(2d))中存储和操作任意维数的数据。1. 使用MultiIndex.from_tuples()创建多级索引和分层索引对象输出：2. 使用MultiIndex.from_product()方法可以在两个迭代器中对每个元素进行配对输出：3. 使用MultiIndex.from_fram...
2021-10-25 20:21:15
1042
原创 pandas-索引和数据选择器
1. 索引的不同选择pandas支持三种类型的多轴选择器：.loc[] 、.iloc[] 、 [].loc主要是基于标签的，但也可以与布尔数组一起使用。允许的输入是：单个标签，例如5或'a' 列表或标签数组。['a', 'b', 'c'] 带标签的切片对象'a':'f' 布尔数组 一个callable带有一个参数的函数（调用Series或DataFrame）并返回有效的索引输出.iloc是基于主要的整数位置（从0到length-1所述轴的），但也可以用布尔阵列使用。 如果请求的...
2021-10-25 17:03:45
205
原创 pandas-写入文件（to_csv）
1. 参数path_or_buf文件输出路径2.sep：str, default ‘,’分隔符3.na_rep：str, default ‘’丢失数据的默认值：默认是空字符串4.columns：sequence, optional要输出到csv的列名5.float_format:Format string for floating point numbers字符串格式6.header：bool or list of str,...
2021-10-25 15:17:29
6029
原创 pandas-读取文件（read_excel）
在大多数基本的使用案例中，read_excel会读取Excel文件通过一个路径，并且sheet_name会表明需要解析哪一张表格。
2021-10-25 14:32:11
4307
原创 numpy-排序
NumPy 提供了多种排序的方法。 这些排序函数实现不同的排序算法，每个排序算法的特征在于执行速度，最坏情况性能，所需的工作空间和算法的稳定性。 下表显示了三种排序算法的比较。种类 速度 最坏情况 工作空间 稳定性 'quicksort'（快速排序） 1 O(n^2) 0 否 'mergesort'（归并排序） 2 O(n*log(n)) ~n/2 是 'heapsort'（堆排序） 3 O(n*log(n)
2021-10-25 11:24:18
9001
原创 pandas-读取文件（read_csv）
本节主要介绍read_csv()、read_excel()和to_csv()、to_excel()一、read_csv()可接收以下常用参数：1.filepath_or_buffer :various文件路径（path），URL2. sep :str默认read_csv()分隔符为【,】, read_table方法，分隔符为 [...
2021-10-25 11:23:24
842
原创 pandas-输出设置（set_option）
本篇主要介绍pandas输出数据显示的设置，原始数据如下：当我们不做任何设置时，使用pandas读取后输出的内容格式如下：当我们需要设置pandas的指定参数时需要用到pandas 的一个方法：set_option，他有如下参数进行设置一、常用参数设置1.display.max_columns:int or None如果设置了一个int类型的数字阈值，展示的最大列数为设置的值，如果设置的是None，那个默认为最大值展示2.display.chop_th...
2021-10-25 10:26:31
3313
1
原创 numpy-基本属性
在 NumPy中，每一个线性的数组称为是一个轴（axis），也就是维度（dimensions）。比如说，二维数组相当于是两个一维数组，其中第一个一维数组中每个元素又是一个一维数组。所以一维数组就是 NumPy 中的轴（axis），第一个轴相当于是底层数组，第二个轴是底层数组里的数组。而轴的数量——秩，就是数组的维数。很多时候可以声明 axis。axis=0，表示沿着第 0 轴进行操作，即对每一列进行操作；axis=1，表示沿着第1轴进行操作，即对每一行进行操作。NumPy 的数组中比较重要 nda.
2021-10-22 09:37:54
355
原创 numpy-连接数组
函数 描述 concatenate 连接沿现有轴的数组序列 stack 沿着新的轴加入一系列数组。 hstack 水平堆叠序列中的数组（列方向） vstack 竖直堆叠序列中的数组（行方向） 1.使用concatenate 函数用于沿指定轴连接相同形状的两个或多个数组，格式如下：numpy.concatenate((a1, a2, ...), axis)参数说明：a1, a2, ...：相同类型的数组 axis：沿着它连接数组的轴，默认为 0
2021-10-22 09:37:47
501
原创 numpy-数组元素的添加与删除
函数 元素及描述 resize 返回指定形状的新数组 append 将值添加到数组末尾 insert 沿指定轴将值插入到指定下标之前 delete 删掉某个轴的子数组，并返回删除后的新数组 unique 查找数组内的唯一元素 1.使用resize 函数返回指定大小的新数组。如果新数组大小大于原始大小，则包含原始数组中的元素的副本。numpy.resize(arr, shape)参数说明：arr：要修改大小的数组 shape：返回
2021-10-22 09:37:38
4434
原创 numpy-位运算
NumPy 位运算包括以下几个函数：函数 描述 bitwise_and 对数组元素执行位与操作 bitwise_or 对数组元素执行位或操作 invert 按位取反 left_shift 向左移动二进制表示的位 right_shift 向右移动二进制表示的位 注：也可以使用 "&"、 "~"、 "|" 和 "^" 等操作符进行计算。1.使用bitwise_and() 函数对数组中整数的二进制形式执行位与运算。2.使用bi..
2021-10-22 09:37:32
789
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人