有哪些信誉好的足球投注网站- 1、本文档共31页，可阅读全部内容。
- 2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
1. 什么是pandas？
pandas : Python数据分析模块
pandas是为了解决数据分析任务而创建的，纳入了大量的库和标准数据模型，提供了高效地操作大型数据集所需的工具。在此所写文章做成笔记记录的形式，小编推荐一个企鹅群，群里分子非常踊跃交流经验遇坑问题，也有初学者交流讨论，群内整理了也整理了大量的PDF书籍和学习资料，程序员也很热心的帮助解决问题，还有讨论工作上的解决方案，非常好的学习交流地方！群内大概有好几千人了，喜欢python的朋友可以加入python群：526929231欢迎大家交流讨论各种奇技淫巧，一起快速成长。
pandas中的数据结构 :
Series: 一维数组，类似于python中的基本数据结构list，区别是series只允许存储相同的数据类型，这样可以更有效的使用内存，提高运算效率。就像数据库中的列数据。
DataFrame: 二维的表格型数据结构。很多功能与R中的data.frame类似。可以将DataFrame理解为Series的容器。
Panel：三维的数组，可以理解为DataFrame的容器。
2. 10分钟搞定pandas
引入需要的包：
numpy 是一个python实现的科学计算包
matplotlib 是一个python的2D绘图库
更多章节请查看 Cookbook
3. 创建对象
详情请查看 数据结构介绍
1.通过传入一个列表来创建 Series ，pandas会创建默认的整形指标:
2.通过传递数字数组、时间索引、列标签来创建 DataFrame
ps：
np.random.randn(6,4) 即创建6行4列的随机数字数组
3.通过传递能被转换成类似结构的字典来创建DataFrame:
4.查看各列的 dtypes
5.如果使用IPython，Tab会自动补全所有的属性和自定义的列，如下所示:
4. 查看数据
详情请查看 基本功能
1.查看DataFrame头部尾部数据:
2.查看索引、列、和数组数据:
3.查看数据的快速统计结果:
4.对数据进行行列转换:
5.按 axis 排序:
6.按值排序:
5. 选择数据
注意：虽然标准的Python/Numpy表达式是直观且可用的，但是我们推荐使用优化后的pandas方法,例如:.at,.iat,.loc,.iloc以及.ix 详情请查看: Indexing and Selecting Data 和 MultiIndex / Advanced Indexing
获取
1.选择一列，返回Series，相当于df.A:
2.通过[]选择，即对行进行切片:
标签式选择
1.通过标签获取交叉区域:
ps:即获取时间为2013-01-01的数据
2.通过标签获取多轴数据:
3.标签切片:
4.对返回的对象缩减维度:
5.获取单个值:
6.快速访问单个标量（同5）:
ps:loc通过行标签获取行数据，iloc通过行号获取行数据
位置式选择
详情请查看 通过位置选择
1.通过数值选择:
2.通过数值切片:
PS：左开右闭
3.通过指定列表位置:
4.对行切片:
5.对列切片:
6.获取特定值:
7.快速访问某个标量（同6）:
Boolean索引
1.通过某列选择数据:
2.通过where选择数据:
3.通过 isin() 过滤数据:
设置
1.新增一列数据:
2.通过标签更新值:
3.通过位置更新值:
4.通过数组更新一列值:
上面几步操作的结果:
5.通过where更新值:
6. 缺失数据处理
pandas用np.nan代表缺失数据，详情请查看 Missing Data section
1.reindex()可以修改/增加/删除索引，会返回一个数据的副本:
2.丢掉含有缺失项的行:
3.对缺失项赋值:
4.对缺失项布尔赋值:
7. 相关操作
详情请查看 Basic section on Binary Ops
统计(操作通常情况下不包含缺失项)
1.按列求平均值:
2.按行求平均值:
3.操作不同的维度需要先对齐,pandas会沿着指定维度执行:
这里对齐维度指的对齐时间index
shift(2)指沿着时间轴将数据顺移两位
sub指减法，与NaN进行操作，结果也是NaN
应用
1.对数据应用function:
PS： - cumsum 累加
详情请查看 直方图和离散化
直方图:
pandas默认配置了一些字符串处理方法，可以方便的操作元素，如下所示:(详情请查看 Vectorized String Methods)
字符串方法:
8. 合并
连接
pandas提供了大量的方法，能轻松的对Series，DataFrame和Panel执行合并操作。详情请查看 Merging section
使用concat()连接pandas对象:
Jo
文档评论（0）