pandas库的主要功能是数据可视化,pandas可视化excel数据

　　Pandas是python数据处理的一个重要的第三方库。

　　进口熊猫作为pd I .熊猫图书馆介绍1。熊猫图书馆数据类型：Series，DataFrame

　　基于上述数据类型的各种操作

　　基本运算、算术运算、特征类运算和关联类运算。

　　熊猫图书馆和Numpy图书馆的区别：

　　NumpyPandas基本数据类型扩展了数据类型，注重数据的结构表达，注重数据的应用表达维度：数据之间的关系维度：数据与索引的关系1.1系列类型Pandas系列类型由一组数据及其相关数据索引组成。

　　(1)Series类型的创建

　　创建一个列表，索引与列表元素的数量相同：

　　自动索引：

　　自定义索引：

　　index由标量值创建，表示系列类型的大小：

　　从字典类型创建，键-值对中的“键”是索引，索引从字典中选择。

　　从ndary类型创建，索引和数据可以由ndary类型创建。

　　其他函数创建，range()函数等。

　　(2)Series类型的基本操作

　　系列类型包括索引和值。

　　系列类型的操作类似于ndarry类型。

　　索引方法相同，数列类型可以使用[]Numpy中的运算和操作。您可以对自定义索引列表进行切片。可以通过自动索引切片，如果有自定义索引，就一起切片。

　　系列类型的操作类似于Python字典类型。

　　的。get()方法用于通过自定义索引来访问中的保留字。

　　系列类型对齐问题：

　　系列系列

　　数列型在运算中会自动对齐不同指标的数据。

　　Series类型的name属性。

　　序列对象和索引可以有一个名称，该名称存储在属性中。姓名。

　　系列类型的修改

　　系列对象可以随时修改并立即生效。

　　系列是带有“标签”的一维数组

　　索引_ 0-数据_a

　　Series的基本操作类似于ndarry和dictionary，按照索引对齐。

　　1.2 panda数据帧类型数据帧类型由一组共享相同索引的列组成。

　　DataFrame是一种表格数据类型，每一列的值类型可以不同。

　　DataFrame既有行索引又有列索引。

　　DataFrame常用来表示二维数据，也可以表示多维数据。

　　(1)DataFrame类型的创建

　　二维ndarray对象：

　　由一维数组、列表、字典、元组或序列组成的字典。

　　从一维ndarray对象字典创建

　　从列表类型的字典创建

　　DataFrame是一个带有“标签”的二维数组

　　DataFrame的基本操作类似于Series，按行和列进行索引。

　　2.2的数据类型操作。熊猫库改系列和DataFrame对象？

　　(1)增加或重排：重新索引

　　Reindex()可以更改或重新排列Series和DataFrame索引。

　　的参数。reindex (index=none，columns=none，…)

　　索引类型:

　　系列和数据框架索引属于index类型。

　　索引对象是不可修改的类型

　　索引类型常用方法:

　　索引类型的使用：

　　(2)删除：drop。drop()可以删除Series和DataFrame指定的行或列索引。

　　3.3的数据类型操作。熊猫图书馆(1)算数运算法则

　　算术运算基于行和列索引，完成后，算术运算默认生成浮点数。

　　补充时间和缺少的项目，以填补NaN

　　而一维、一维和零维部分都是广播操作。

　　带-*/符号的二元运算产生新对象。

　　注：自动完成，NaN表示缺少的项目。

　　(2)方法型操作

　　不同维度之间有广播操作，一维序列默认参与1轴上的操作。

　　使用运算方法使一维数列参与0轴运算。

　　(3)比较运算法则

　　比较只能比较具有相同索引的元素，没有完成。

　　并且广播操作在两个维度、一个维度、一个维度和零维度之间执行。

　　使用、=、=、=、=和其他符号来生成布尔对象。

　　相同维度操作，相同大小

　　不同维度，广播操作，默认为1轴。

　　总结：

　　Series=index一维数据DataFrame=行列索引二维数据了解数据类型和索引的关系，操作索引就是操作数据。重新索引、数据删除、算术运算和比较运算。将Series和DataFrame对象视为单个数据。二。熊猫数据特征分析1。数据的分类。sort_index()方法根据索引在指定轴上排序，默认为升序。sort_index(轴=0，升序=真)

　　的。sort_values()方法根据指定轴上的数值进行排序，默认为升序。

　　Series.sort_values(轴=0，升序=真)

　　DataFrame.sort_values(by，轴=0，升序=真)

　　by:by:轴上的索引或索引列表

　　注意：NaN放在排序的末尾。

　　2.Pandas统计数据分析适用于系列和数据框架类型：

　　适用于系列类型：

　　一种方法涵盖所有：

　　看一看。描述():

　　3.Pandas累积统计分析适用于系列和数据框架类型：

　　对于系列和数据框架类型，滚动计算(窗口计算):

　　4.相关性分析数据的相关性：

　　正相关、负相关、无关相关

　　测量相关性的方法：

　　(1)协方差：

　　(2)皮尔逊相关系数

　　r [-1，1]的取值范围

　　r的绝对值：

　　0.8-1.0高度相关。

　　0.6-0.8强相关

　　0.4-0.6中度相关

　　0.2-0.4弱相关

　　0.0-0.2相关性很弱或无相关性

　　适用于系列和数据帧类型：

　　例证：房价上涨与M2上涨的相关性

　　总结：

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。