Python酷库之旅-第三方库Pandas(001)
目录 一、Pandas库的由来 1、背景与起源 1-1、开发背景 1-2、起源时间 2、名称由来 3、发展历程 4、功能与特点 4-1、数据结构 4-2、数据处理能力 5、影响与地位 5-1、数据分析“三剑客”之一 5-2、社区支持 二、Pandas库的应用场景 1、数据分析 2、数据清洗 3、数据可视化 4、时间序列分析 5、金融数据分析 6、数据科学 7、机器学习数据准备 8、日志分析 9、Web数据抓取...
每日一题10：Pandas:重塑数据-联结
5 || 4 | Georgia | 17 || 5 | Leo | 7 || 6 | Alex | 7 |+------------+---------+-----+ 解答： import pandas as pd def concatenateTables(df1: pd.DataFrame, df2: pd.DataFrame) -> pd.DataFrame: result_df = pd.c...
（Arcgis）python geopandas库分割shp属性表特定内容，批量导出shp文件
：需要输出200个shp（属性表前14项相同，循环后200项单独提取出1项） txt文本（numbered.txt）内容：1 要素12 要素2... ...（总共200行） import geopandas as gpd # 文件路径file_path = r"D:\要素\要素1-200.shp"species_names_file = r"D:\numbered.txt" # 读取要素名称spe...
每日一题5：Pandas-修改列
一、每日一题 解答： import pandas as pd def modifySalaryColumn(employees: pd.DataFrame) -> pd.DataFrame: employees.loc[:,'salary'] = employees.loc[:,'salary'] * 2 return employees 题源：力扣 二、总结 考察.loc的使用方法，查看我之前的博客.l...
每日一题3：Pandas数据获取
一、每日一题 解答： import pandas as pd def selectData(students: pd.DataFrame) -> pd.DataFrame: return students.loc[students["student_id"] == 101, ["name", "age"]] 题源：力扣 二、总结 这里考察的是loc的用法，在我之前的博客中有写到。 .l...
Pandas 2.2 中文官方教程和指南（二十二）
='timedelta64[ns]', freq=None) 警告 如果将字符串或字符串数组作为输入传递，则将忽略unit关键字参数。如果传递没有单位的字符串，则假定默认单位为纳秒。 时间增量的限制 pandas 使用 64 位整数以纳秒分辨率表示Timedeltas。因此，64 位整数限制确定了Timedelta的限制。 In [22]: pd.Timedelta.minOut[22]: Timedelt...
Pandas 2.2 中文官方教程和指南（五）
与 SAS 的比较 对于来自SAS的潜在用户，本页面旨在演示如何在 pandas 中执行不同的 SAS 操作。 如果您是 pandas 的新手，您可能首先想通过阅读 10 分钟入门 pandas 来熟悉该库。 惯例上，我们导入 pandas 和 NumPy 如下： In [1]: import pandas as pd In [2]: import numpy as np 数据结构 一般术语翻译 DataF...
PandasTA 源码解析（十六）
.\pandas-ta\pandas_ta\volatility\kc.py # -*- coding: utf-8 -*-# 从 pandas 库中导入 DataFrame 类from pandas import DataFrame# 从 .true_range 模块中导入 true_range 函数from .true_range import true_range# 从 pandas_ta....
pandas（用户画像）
一. dask from dask import dataframe as ddfrom dask import array as da import pandas as pdfrom dask.diagnostics import ProgressBar # 随机生成 50行100列的 1-100数字内的 （用的是dask方法）a = da.random.randint(1,100,[50,100],...
pandas（day1）
一. 快捷键 # 蓝色是 非编辑模式 - 创建单元格 - a 向上创建单元格 - b 向下创建单元格 - dd 删除单元格 - z 撤回 - c v x 复制 粘贴 剪切 - 1~6 标题等级 - m 切换成 markdown - y 切换成 code - r 切换成 txt - shift+enter : 运行 并向下 选中 - alt +enter : 运行 并向下创建新的单元格 - c...