辽阳网站推广,discuz 门户网站模板,嘉兴优化网站收费标准,洛阳网约车数据科学 一、Numpy二、Pandas三、Matplotlib参考链接 一、Numpy
在numpy中以np.nan表示缺失值#xff0c;它是一个浮点数。
二、Pandas
1、如要选出col0在30到80之间的行中col3与col1之差为奇数的行#xff0c;或者col2大于50中的行col3超过col1均值的行#xff0c;可以… 数据科学 一、Numpy二、Pandas三、Matplotlib参考链接 一、Numpy
在numpy中以np.nan表示缺失值它是一个浮点数。
二、Pandas
1、如要选出col0在30到80之间的行中col3与col1之差为奇数的行或者col2大于50中的行col3超过col1均值的行可以如下写出
c11 df[col 0].between(30, 80)
c12 (df[col 3] - df[col 1]) % 2 1
c21 df[col 2] 50
c22 df[col 3] df[col 1].mean()
df.loc[(c11 c12) | (c21 c22)]2、分别统计每一列的缺失值比例和每一行的缺失值比例
df.isna().mean() # 默认mean的axis参数为0按照行方向计算列的均值。
df.isna().mean(axis1)如果想要统计每列包含的缺失值个数只需把mean替换为sum即可。 如果想知道缺失的行或列具体实哪一些可以如下操作
df[df.isna().sum(1) 2]在pandas中删除某些包含缺失值的行或列可以通过dropna函数来实现
df.dropna(axis1,thresh90) # axis为1和0分别指删除列和行
# thresh表示非缺失值没有达到这个数量的相应维度会被删除。3、DataFrame.plot( )函数 使用pandas.DataFrame的plot方法绘制图像会按照数据的每一列绘制一条曲线默认按照列columns的名称在适当的位置展示图例比matplotlib绘制节省时间且DataFrame格式的数据更规范方便向量化及计算。
DataFrame.plot(xNone, yNone, kindline, axNone, subplotsFalse, sharexNone, shareyFalse, layoutNone, figsizeNone, use_indexTrue, titleNone, gridNone, legendTrue, styleNone, logxFalse, logyFalse, loglogFalse, xticksNone, yticksNone, xlimNone, ylimNone, rotNone, fontsizeNone, colormapNone, position0.5, tableFalse, yerrNone, xerrNone, stackedTrue/False, sort_columnsFalse, secondary_yFalse, mark_rightTrue, **kwds)4、将数据写入到Excel的多个sheet 有时一个excel内会有多个sheet。但是将两组数据通过to_excel函数先后保存到一个excel内会发现只有后一组保存的数据因为前一组的数据被后写入的数据覆盖了。
df1.to_excel(xxx.xlsx,sheet_namedf1)
df2.to_excel(xxx.xlsx,sheet_namedf2)使用pd.ExcelWriter建立一个writer然后将df1df2都使用to_excelwriter, sheet名最后一次性将这些数据保存并关闭writer就完成了
writer pd.ExcelWriter(xxx.xlsx)
df1.to_excel(writer,sheet_namedf1)
df2.to_excel(writer,sheet_namedf2)writer.save()
writer.close()这样会覆盖我们原有的excel数据如果不想覆盖可以
writer pd.ExcelWriter(保存.xlsx) # 如果不存在会自动创建excel
df pd.read_excel(xxx.xlsx, sheet_namexxx)
......
df_res.to_excel(writer, sheet_namexxx, indexFalse)5、找出每行或列的最大值所在的列索引或行索引
返回一列最大值所在行的行索引df.idxmax()默认参数为0
若参数设置为1则为一行最大值所在列的列索引df.idxmax(1)
取最小值为df.idxmin()
三、Matplotlib
1、设置x轴为时间刻度
imoort pandas as pd
import matplotlib.pyplot as plt
import matplotlib.dates as mdatesdf pd.read_excel(***.xlsx)
# 绘制图像
fig, ax plt.subplots()
ax.plot(df[time], df[*])
# 配置x轴时间间隔
time_format mdates.DateFormatter(%H:%M:%S)
ax.xaxis.set_major_formatter(time_format)
ax.xaxis.set_major_locator(mdates.MinuteLocator(interval240))
# 设置刻度位置
ax.set_xticks(pd.date_range(df[time][0], df[time][-1], freq4h))
# 还可以使用ax.set_xticklabels()来设置刻度的标签
# 设置开始坐标
ax.set_xlim(df[time][0], df[time][-1])
# 旋转x轴标签
fig.autofmt_xdate()
# 展示图形
plt.show()参考链接
https://github.com/datawhalechina/joyful-pandas https://github.com/datawhalechina/powerful-numpy https://github.com/datawhalechina/fantastic-matplotlib
