3.2.2 Series的运算
s1 = pd.Series([1, 2, 3, 4]) s2 = pd.Series([10, 20, 30, 40]) # 基本运算 print(s1 + s2) # 对应位置相加 print(s1 * 2) # 标量乘法 3.2.3 常用方法与统计 用途分类方法说明示例代...
3.2 核心数据结构:Series
3.2.1 创建与访问 什么是Series 类似于 NumPy 一维数组,但增加了 '标签',可以理解为「一维标签化数组」 Series 是 Pandas 中的一个核心数据结构,类似于一个一维的数组,具有...
3.1.2了解 Pandas 核心数据结构:Series 和 DataFrame
Pandas 基于 Numpy,并提供了 2 大核心数据结构: Series:一维带有标签的数组 DataFrame:二维表格结构,可看作多个 Series 的组合 用得最多的pandas对象是Series,一个一维的标签...
3.Pandas数据分析
3.1 Pandas 简介 3.1.1 Pandas 是什么? Pandas 是 Python 数据分析工具链中最核心的库,充当数据读取、清洗、分析、统计、输出的高效工具。 Pandas 是一个开源的数据分析和数据处理库,...
2.3.5 排序函数
函数功能说明示例代码示例输出np.sort(x)返回排序后的副本np.sort([3, 1, 2])[1 2 3]x.sort()原地排序(修改原数组) arr = np.array([3,1,2]); arr.sort()arr 变为 [1, 2, 3]np...
2.3.4 比较函数
函数功能说明示例代码示例输出np.greater(a, b)元素级比较 a > bnp.greater([3, 1], [2, 2])[True, False]np.less(a, b)元素级比较 a < bnp.less([3, 1], [2, 2])[False, True]...
2.3 numpy常用函数
分类函数功能说明基本数学np.sqrt(x)计算平方根 np.exp(x)计算指数(e^x) np.log(x)计算自然对数(ln(x)) np.sin(x)计算正弦值 np.abs(x)计算绝对值 np.power(a, b)...
2.2.6 基本运算
numpy中的数组不用编写循环即可执行批量运算,称之为矢量化运算。 大小相等的数组之间的任何算术运算都会将运算应用到元素级。 arr1 = np.array([[1, 2, 3], [4, 5, 6]]) arr2 = np...
2.2.3.6 高级构造方法
(1) np.loadtxt data = np.loadtxt('data.txt') # 读取文本文件 (2) np.genfromtxt data = np.genfromtxt('data.csv', delimiter=',') # 支持复杂格式 2.2.3.7 创建方法推荐场景 场景推荐方法优...







