python_pandas

numpy-创建数组 [TOC] Ndarray 对象 NumPy 中定义的最重要的对象是称为 ndarray 的 N 维数组类型。 它描述相同类型的元素集合。可以使用基于零的索引访问集合中的项目。n

数组变换 [TOC] 数组变换 函数 描述 array.shape=(2,3) 数组形状、修改数组 array.reshape((2,3)) 修改形状 展开 array.flatten(array)

索引和遍历 [TOC] NumPy 的切片创建了 view 而不是像内置的python序列（如string、tuple和list）那样的副本。在从大型数组中提取一小部分时必须小心，因为提取的小部分包含

数组运算和广播机制 [TOC] 广播机制 基础运算 size相等的数组之间的算术运算，可以直接进行加减乘除 基本属性 方法 描述 最值 ndarray.max(self,axis) 沿给定轴返回最大值

numpy-统计排序 [TOC] 常用统计函数 最大最小 函数 描述 最小 np.amin(arr,axis) 查找指定轴上，数组元素的最小值 np.amax(arr,axis) 查找指定轴上，数组元

numpy-选择和过滤 [TOC] 查找 np,where() 1、不带条件 返回tuple，第一个值是索引，第二个是空值 输入必须是 数组，不能是 list 输入一般是一维，行向量或者列向量都可以

numpy-线代和矩阵 [TOC] 创建(转换)矩阵 一般我们先创建数组，然后将其转化为矩阵 矩阵运算 函数 说明 点积 np.dot(a,b) 求解两个数组的点积 点积 np.vdot(a,b) 求

numpy 常用函数总结 [TOC] 学习地址：https://blog.csdn.net/zkx990121/article/details/119136515 1. Axis理解 1.1 Axis

pandas-基础数据结构 [TOC] 数据结构 Pandas 的主要数据结构是 Series（一维数据）与DataFrame（二维数据） Series Series是一种类似于以为NumPy数组的对

pandas-数据读取和保存 [TOC] pandas 可以读取和导入各种数据格式的数据，如CSV，Excel，JSON，SQL，HTML等，不需要手动编写复杂的读取代码。 read_csv 相关属性

pandas-数据索引和修改 [TOC] 数据选取 行列过滤：选取指定的行或者列 条件过滤：对列的数据设置过滤条件 函数过滤：通过函数设置更加复杂的过滤条件 列选择 行索引 同时行列索引 当需要同时选

pandas-重新索引 [TOC] reindex() 创建一个新索引并重新索引该数据框。默认情况下，将分配新索引中在数据框中没有对应记录的值NaN 通过将值传递给关键字来填充缺少的值fill_val

pandas-修改列行名称 [TOC] 行和列名全部修改 columns属性 index属性 列表等的大小（元素数）与行数/列数不一致时，则会发生错误。 rename函数 任意的行名(index)和列

pandas-遍历和迭代 [TOC] 遍历数据是最常见的一种方式,pandas同样也可以遍历。 iterrows() 或 itertuples()：这两个方法用于遍历 DataFrame 的行。 it

pandas-数据合并和拆分 [TOC] 数据集拆分是将一个大型的数据集拆分为多个较小的数据集，可以让数据更加清晰易懂，也方便对单个数据集进行分析和处理。 同时，分开的数据集也可以分别应用不同的数据分

pandas-空值处理 [TOC] pandas中的None和NaN type(None) --类型是 NoneType 空的对象类型 type(NaN) --类型是 float 浮点型 Pandas

pandas-数值映射和替换 [TOC] 映射列值是指将一个列中的某些特定值映射为另外一些值，常用于数据清洗和转换。 映射map() 输入字典dict 输入函数 替换replace() 参考资料 ht

pandas-自定义函数 [TOC] 自定义操作map() map,用于Series实现每个值得处理 map() 是一个Series的函数，map()将一个自定义函数应用于Series结构中的每个元素

pandas-排序 [TOC] Pandas 提供了多种排序数据的方法 sort_values()值排序 作用：既可以根据列数据，也可根据行数据排序 对 DataFrame 按一列排序 对 DataF

pandas-分组过滤聚合 [TOC] groupby分组 通过groupby方法对series或者dataframe对象进行分组，该方法会返回一个分组对象 pandas中的groupby函数也是先将