这么神奇-CSDN博客

原创【Pandas总结】第十节 Pandas 合并数据集_pd.pivot_table()

数据透视表是数据分析的最重要工具之一，熟悉Excel的同学应该知道，Excel 最重要的两个功能就是vlookup 和 pivot, 这两个功能对应到Pandas就是pd.merge() 与 pd.pivot_table()，对应到我们的教程就是上一节：【Pandas总结】第八节 Pandas 合并数据集_pd.merge()，与这一节【Pandas总结】第九节 Pandas 合并数据集_pd.pivot_table()；所以，这一节是学习Pandas过程中最重要的一个函数，需要着重学习；

2022-10-23 23:32:27 3834 1

原创【Pandas总结】第九节 Pandas_累计与分组 pd.groupby()

一、数据准备二、累计值计算2.1 df.describe()2.2 常用统计值三、分组 pd.groupby()四、更多的使用方法`aggregate()`,`filter()`,`transform()`,`apply()`4.1 `aggregate()`4.2 `filter()`4.3 `transform()`4.4 `apply()`

2022-10-02 22:27:03 4482 1

原创【Python 逻辑题】甲、乙、丙、丁四人的血型各不相同

思路：四个人的血型肯定都在["A","B","O","AB"]范围内，所以用for循环让四个人轮流等于这四种血型，然后再用判断语句，选出正确的组合方法；稍微的难点就是如何写判断语句，判断语句讲解如下；

2022-09-23 19:51:19 1621

原创【Pandas总结】第八节 Pandas 合并数据集_pd.merge()

这一节非常的重要，因为Pandas中的数据集合并，最常用的方法就是 merge, 如果大家对数据库熟悉的话，那么会觉得 merge 非常容易理解，因为这个的使用和数据库的合并几乎完全一样。inner、outer、left、right这四种合并方式的理解，下面我们来一起看pd.merge()的使用方法吧；

2022-09-21 19:18:02 5947

原创【Linux常见问题处理】环境变量的配置

但这种方法只针对当前的terminal，新打开一个terminal会发现，环境变量并没有增加，如果我们想要一劳永逸，那么我们需要更改配置文件，方法如下。这时我们再运行新加入路径下的程序，就可以正常使用了；可以返回当前的环境变量目录；这里增加了三个路径，路径间用。

2022-09-19 20:55:14 946

原创我的创作纪念日

我发现我写的一些记录可以给一些小伙伴带来帮助，独乐乐不如众乐乐，所以我就经常把一些常用的模块总结到CSDN的博客上面，希望在帮助我自己记录的同时，也能帮助到一些素未相识的小伙伴。

2022-09-18 14:40:35 561 4

原创【Pandas总结】第七节 Pandas 合并数据集_pd.concat()

concat 函数在通常情况下都只用于上下堆叠合并，所以其实我们只要知道上下堆叠合并，这一种使用方法就完全OK啦~以上为个人理解，如有错误，还请不吝赐教，多多指导~~

2022-09-17 19:11:30 5421 2

原创【Pandas总结】第六节 Pandas 添加列

在Pandas数据处理时，经常要用到添加数据列的方式；这篇文章主要解决的就是在Pandas中添加列的问题；常用的添加列的方法有如下几种：直接赋值，用`df.apply()` 方法，用`df.assign()`方法，条件分组后，分别赋值；

2022-09-16 11:08:34 5251

原创 [报错] VSCODE无法识别相对路径

打开VSCODE --> setting --> execute -->勾选 Execute in file Dir 选项；报错背景：在使用VSCODE 进行代码运行时，明明是正确的相对路径，文件却无法被打开；报错为：无法找到对应文件；

2022-09-15 14:18:51 2618 1

原创【Pandas总结】第五节 Pandas 数据查询方法总结_df.loc()总结

如果说Pandas最重要的方法是什么，毫无疑问就是查询数据；所以，这节的内容应当是Pandas的核心知识点。能够按我们的要求查询出所需的数据，是我们使用Pandas的最重要功能！综上，这节内容十分十分十分十分的重要。

2022-09-15 12:33:19 12622 1

原创【Pandas总结】第四节 Pandas 缺失值处理（通过实例进行演示）

现实中，经常有一些非常漂亮的Excel, 例如下面的例子中的Excel。这种Excel虽然好看，但是却不满足数据处理的要求，数据处理时，需要的是一个标准的表格，不包含合并单元格等这些格式；可以看到，读出的数据并非是我们想要的，我们需要的数据只有蓝色区域内，这时我们需要对读入的数据进行处理；首先我们需要把无用的行去掉，这里可以使用。:用于检测dataframe 或者 series。可以看到，全部为空值的列没有了；与去除列的方式一样，只要将。处理后：不好看，但好用！来处理全部为空值的列；来处理全部为空值的列；

2022-09-14 14:27:15 4533

原创【Pandas总结】第三节 Pandas 的显示设置（总结所有常用显示设置）

本文总结所有Pandas 常用的显示设置，相信对后续Pandas的使用会有很大帮助；

2022-09-09 16:01:31 9844 5

原创【Pandas总结】第二节 Pandas 的数据读取_pd.read_csv()的使用详解（非常全面，推荐收藏）

pandas对纯文本的读取提供了非常强力的支持，参数有四五十个。这些参数中，有的很容易被忽略，但是在实际工作中却用处很大。

2022-09-09 13:35:12 87154 4

原创【Pandas总结】第一节 Pandas 简介与Series，DataFrame的创建

Pandas是使用Python语言开发的用于数据处理和数据分析的第三方库。它擅长处理数字型数据和时间序列数据，当然文本型的数据也能轻松处理。Pandas 可以处理的数据格式非常多，常见的数据文件格式都可以快速导入，比如 CSV、JSON、SQL、Microsoft Excel 导入数据。由于Pandas对数据的强大处理能力，被广泛的应用于金融，数据处理等方面，是大家学习数据处理时，不可避免的存在；如果想要学好数据处理，就一起来学习Pandas吧！！！总结：Pandas 在数据处理方面很强大！

2022-09-07 13:44:20 6264

原创【Numpy总结】强烈推荐。超实用Numpy学习目录，一篇学会Numpy

Numpy 作为最常用的科学计算包，已经被广泛使用，Numpy库十分有用，但学习难度并不高；下面总结了所有常用的Numpy知识点，看完后Numpy就可以毕业啦！强烈推荐的学习资料~

2022-08-31 08:41:08 7398

原创【Numpy总结】第七节：Numpy常用的函数（汇总所有函数，收藏这一篇就OK啦~）

分位数是统计学中常用的统计量，其中：四分之一分位数，中位数，四分之三分位数是箱型图中最重要的三个值；这个时候，有聪明的小伙伴会问，那如果我想要让小数点后两位的地方进行向上取整呢？解释：数组[1,2,3,4]和相应的权重[4,3,2,1]，通过将相应元素的乘积相加，并将和除以权重的和，来计算加权平均值。使用 numpy.ptp()函数计算数组的极差，即元素最大值与最小值的差（最大值 - 最小值）。当轴的设置为0时，返回每个列的最小值；统计中的方差是每个样本值与全体样本值平均数之差的平方值的平均数，即。...

2022-08-29 18:37:11 6532

原创【Numpy总结】第六节：Numpy 元素的遍历

迭代器对象 numpy.nditer 提供了一种灵活访问一个或者多个数组元素的方式。后，可以实现对二维数组的行或者列的输出，在今后的写代码过程中，给大家带来便利；，其余的设置不常用，就不列举了；可以通过改变遍历的顺序；...

2022-08-26 11:31:30 2377

原创【Numpy总结】第五节：Numpy的广播（更易理解的版本）

Numpy的广播的三种情况广播(Broadcast)是 numpy 对不同形状(shape)的数组进行数值计算的方式，当运算中的 2 个数组的形状不同时，numpy 将自动触发广播机制；即：可扩充较小数组中的元素来适配较大数组的形状，这种机制叫作广播（broadcasting）广播机制如下，一共**三种情况**：由于日常应用中最常见的只有一维数组与二维数组，所以就不举三维及以上数组的例子了；这样更容易理解；......

2022-08-25 19:08:27 2844

原创 [报错] python3报错：ModuleNotFoundError: No module named ‘MySQLdb‘

在运行脚本时，报错没有MySQLdb 包，Python3 又无法直接安装MySQLdb包；在安装。ModuleNotFoundError: No module named 'MySQLdb'

2022-08-19 15:41:04 3261

原创【Numpy总结】第四节：Numpy的切片索引与高级索引

在高级索引中，最为有用的便是：布尔索引；简单来说就是，在切片的中括号内[]，使用筛选条件，该条件会返回一个布尔数据作为Mask，将需要的数据选取出来；实际上，我们并不需要知道Numpy是如何选取出来数据的，只要只要如何使用即可；在5的基础上，还可以通过交换输入的顺序，调整输出的顺序，例如：想要调换2,3列的顺序，同时调换 2,6 行的顺序；注意点二：布尔索引不一定要对数组中的所有元素，也可以针对某一行或者某一列进行筛选；选出指定的行与指定的列，例如选出第0,2,3列，第2,5,6 行的一个3*3数组;

2022-08-19 15:13:24 3300

原创【Numpy总结】第三节：Numpy创建数组

用来创建一个指定形状（shape）、数据类型（dtype）且未初始化的数组；由于未初始化，所以数组中的数据是随机的；用来创建一个指定形状（shape）的数组，并全部初始化为0。用来创建一个指定形状（shape）的数组，并全部初始化为1。...

2022-08-04 18:52:07 3562

原创【Numpy总结】第二节：Numpy 的属性与形状变换

在NumPy中，每一个线性的数组称为是一个轴（axis），也就是维度（dimensions），维度的数量称为秩（rank）；比如说，二维数组相当于是两个一维数组，即二维数组有两个轴，秩为2。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。ndarray对象中每个元素的大小，以字节为单位。两个函数均的功能基本一直，均为展开数组；数组的维度，对于矩阵，n行m列。秩，即轴的数量或维度的数量。该特点，在赋值时可以使用；...

2022-08-01 18:45:23 3443

原创【Numpy总结】第一节：Numpy 对象与类型

Numpy就类似于一个数组，与Python的列表不同的是Python的列表可以放入不同类型的数据，这样的好处是兼容性强，但是劣势是计算速度变慢，在大数据的处理时，我们需要高效率，所以Numpy便出现了；相比Python对象，Numpy的对象叫做。由于是专门用来数据分析的包，故numpy支持非常多种数据类型，可根据需求选择合适的数据类型，可以大大提高运行速度；备注调用numpy数据类型时，可以通过np.数据类型来调用，例如np.int8，np.float16等；...

2022-08-01 15:14:44 3913

原创 pip下载速度过慢

一劳永逸的做法如下：windows:进入以下目录：C:\Users\zhangkai\AppData\Roaming在目录下新建名为 pip 的文件夹，然后在其中新建文件 pip.ini。（例如：“C:\Users\zhangkai\AppData\Roaming\pip\pip.ini”）在文件中填入一下内容并保存（可替换为上述不同的镜像地址）：[global]index-url = http://pypi.douban.com/simple[install]trusted-host

2022-03-10 17:35:42 982

原创 Matplotlib 简单应用

文章目录基本绘图更换风格条形图箱型图小提琴图基本绘图import numpy as npimport pandas as pdimport matplotlib.pyplot as pltplt.plot([1,2,3,4,5],[1,2,3,4,5],linestyle = '--',color='r',linewidth=3,marker ='o',markerfacecolor = 'y',markersize = 10,alpha =0.5)plt.plot([1,2,3,4,5],[

2022-01-23 19:37:01 1355

原创 pandas 基础应用

文章目录读取文件查看基本信息基本操作Group by数值运算Merge 操作显示设置Pivot时间操作常用操作读取文件查看基本信息print(df.shape)# (174, 69)print(df.info())# <class 'pandas.core.frame.DataFrame'># RangeIndex: 174 entries, 0 to 173# Data columns (total 69 columns):# Fab

2022-01-22 01:25:48 1414

原创 python Numpy的常用知识

numpy 的常用知识

2022-01-16 17:18:59 925

原创 ESD笔记（五）_栅氧层击穿原理

栅氧层击穿失效原理：MOS栅氧层击穿规律可以用传统的氧化层的渗透模型解释如图2.5所示，在芯片的制造中由于工艺、材料及环境等的影响，无法避免的在氧化层内引入一定的缺陷，当氧化层上下层界面间被施加较高电压时，氧化层中的缺陷就会形成一个个电子阱，随机分布在氧化层中间。在氧化层电场的作用下每个电子胖都有俘获电子的能力，同时电子也有可能从一个电子胖获得能量后跃迁到另一个电子胖中去。假设每个电子胖俘获电子的能力相同，俘获电子范围的半径为r,那么每个电子胖就会以r为半径形成一个俘获电子的球形区域。在高电场的作用下电子

2021-07-23 18:15:03 7313

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

泰坦尼克数据集_用于数据分析练习

STDF文件标准——详细解释了STDF文件中的格式

STDF文件转换脚本——可将STDF文件转化为Excel,CSV等

turtle-0.0.2.zip

ImageMagick-7.0.10-34-Q16-x64-static.exe

Python生成的动态图.zip

动态条形图_练习数据_CSV格式

空空如也