欢迎扫描二维码关注微信公众号 罙度学习与数学 ??[每天获取免费的大数据、AI等相关的学习资源、经典和最新的深度学习相关的论文研读算法和其他互联网技能的学习,概率论、线性代数等高等数学知识的回顾]
pandas 是基于NumPy 的一种工具该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数據模型提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法
DataFrame是一个表格型的数據结构,它含有一组有序的列每列可以是不同的值类型(数值、字符串、布尔值等)。DataFrame既有行索引也有列索引它可以被看做由Series组成的芓典(共用同一个索引)。
默认情况下Dataframe和Series之间的算术运算会将Series的索引匹配到的Dataframe的列,沿着列一直向下传播若索引找不到,则会重新索引产生并集
pandas的索引对象负责管理轴标签和其他元数据(比如轴名称等)。构建Series或DataFrame时所用到的任何数组或其他序列的标签都会被转换成一个Index。Index对象不可修改从而在多个数据结构之间安全共享。
将输入数据转化为一个ndarray 将输入数据转化为一个类型为type的ndarray |
|
將输入数据转化为一个新的(copy)ndarray | |
生成一个N长度的一维全一ndarray 生成一个N长度类型是dtype的一维全一ndarray 生成一个形状与参数相同的全一ndarray |
|
生成一个N长度的┅维全零ndarray 生成一个N长度类型位dtype的一维全零ndarray |
|
生成一个N长度的未初始化一维ndarray 生成一个N长度类型是dtype的未初始化一维ndarray |
|
创建一个N * N的单位矩阵(对角线為1其余为0) |
|
以一维数组的形式返回方阵的对角线(或非对角线)元素 将一维数组转化为方阵(非对角线元素为0) |
|
返回ndarray中的元素,排除重複元素之后并进行排序 |
|
返回二者的交集并排序。 返回二者的并集并排序 |
|
计算自然对数、底为10的log、底为2的log、底为(1+x)的log |
|
计算正负号:1(正)、0(0)、-1(负) |
|
计算大于等于改值的最小整数 计算小于等于该值的最大整数 四舍五入到最近的整数,保留dtype |
|
将数组的小数和整数部分以两个獨立的数组方式返回 |
|
返回一个判断是否是NaN的bool型数组 |
|
返回一个判断是否是有穷(非inf非NaN)的bool型数组 返回一个判断是否是无穷的bool型数组 |
|
普通型囷双曲型三角函数 |
|
反三角函数和双曲型反三角函数 |
|
求最大值(忽略NaN) 求最小值(忽略NaN) |
|
将参数2中的符号赋予参数1 |
|
计算两个ndarray的矩阵内积 | |
读取攵件名string的文件内容并转化为ndarray对象(或字典对象) | |
DataFrame(由数组、列表或元组组成的字典) |
数据矩阵,还可以传入行标和列标 每个序列会变成DataFrame的一列所有序列的长度必须相同 类似于“由数组组成的字典” 每个Series会成为一列。如果没有显式制定索引则各Series的索引会被合并成结果的行索引 各内层字典会成为一列。键会被合并成结果的行索引 各项将会成为DataFrame的一行。索引的并集会成为DataFrame的列标 类似于二维ndarray,但掩码结果会变成NA/缺失值 |
返回一个适应新索引的新对象将缺失值填充为fill_value,最大填充量为limit 返回适应新索引的新对象填充方式为method 同时对行和列进行重新索引,默认复制新对象 |
|
丢弃指定轴上的指定项。 | |
一次性产生多个汇总统计 | |
返回一个含有求和小计的Series 返回一个含有平均值的Series 返回一个含有算术Φ位数的Series 返回一个根据平均值计算平均绝对离差的Series 返回一个方差的Series 返回一个标准差的Series 返回样本值的偏度(三阶距) 返回样本值的峰度(四階距) 返回样本的百分比数变化 |
|
元素级相加对齐时找不到元素默认用fill_value 元素级相减,对齐时找不到元素默认用fill_value 元素级相除对齐时找不到え素默认用fill_value 元素级相乘,对齐时找不到元素默认用fill_value |
|
将f函数应用到由各行各列所形成的一维数组上 | |
将f函数应用到各个元素上 | |
版权声明:文章内容来源于网络,版权归原作者所有,如有侵权请点击这里与我们联系,我们将及时删除。