机器学习--pandas统计分析.pptxVIP

机器学习—— pandas统计分析 内容纲要Series1234106常用操作增删改查描述性统计时间序列处理789排序算术运算文件读写本章总结5DataFrame 全面推动学习者能力提升升级实践教学 激发技术创新 助力产业变革内容纲要PEPORT ON WORK 机器学习—— pandas统计分析Series SeriesPandas数据结构SeriesDataFrame SeriesSeries SeriesSeriesSeries创建方法1：由字典创建，字典的key就是index，values就是values。 SeriesSeries的名称属性 SeriesSeries索引切片索引布尔型索引位置下标标签索引 SeriesSeries位置下标，类似序列形式 SeriesSeries标签索引：方法类似下标索引，用[]表示，内写上index，注意index是字符串 SeriesSeries切片索引 Series布尔型索引 内容纲要全面推动学习者能力提升升级实践教学 激发技术创新 助力产业变革 机器学习—— pandas统计分析DataFrame DataFrame DataFrameDataFrame创建方法1：由数组/list组成的字典创建,pandas.Dataframe()。 DataFrameDataFrame创建方法2：由Series组成的字典创建。 df1 df2 DataFrame DataFrameDataFrameDataFrame创建方法3：通过二维数组直接创建 DataFrame列索引行索引 DataFrameDataFrame之索引：选择行与列 DataFrameDataFrame之索引：df.loc[] - 按index选择行 DataFrameDataFrame之索引：布尔型索引,与Series原理相同 DataFrameDataFrame之索引：多重索引,比如同时索引行和列 内容纲要全面推动学习者能力提升升级实践教学 激发技术创新 助力产业变革 机器学习—— pandas统计分析DataFrame的常用操作 DataFrame的常用操作Dataframe的基本操作包括数据查看、转置、对齐、排序等对齐、排序查看、转置 DataFrame的常用操作数据的查看、转置 DataFrame的常用操作对齐操作 DataFrame的常用操作DataFrame的标签排序 DataFrame的常用操作DataFrame值排序 内容纲要全面推动学习者能力提升升级实践教学 激发技术创新 助力产业变革 机器学习—— pandas统计分析增删改查 增删改查1、准备数据 增删改查2、增加数据方法1：添加一个新表 增删改查2、增加数据方法2：直接添加数据 增删改查2、增加数据方法3：通过insert方法添加数据 增删改查3、删除数据使用DataFrame.drop()函数来删除数据 增删改查3、删除数据使用DataFrame.drop()函数来删除数据 增删改查4、查询数据#1、.loc[]方法：.loc主要是基于标签(label)的，包括行标签(index)和列标签(columns)，即行名称和列名称，可以使用df.loc[index_name,col_name]，#2、 .iloc[]方法：iloc是基于位置的索引，利用元素在各个轴上的索引序号进行选择，序号超出范围会产生IndexError，切片时允许序号超过范围； 增删改查4、查询数据 增删改查DataFrame的duplicated方法返回一个布尔型Series，表示各行是否是重复行。 增删改查drop_duplicates()用于去除重复的行数 内容纲要全面推动学习者能力提升升级实践教学 激发技术创新 助力产业变革 机器学习—— pandas统计分析描述性统计 描述性统计计算DataFrame的描述性统计信息和其他相关操作。 其中大多数是sum()，mean()等聚合函数，重要函数如下： 描述性统计 描述性统计describe(）函数应用 内容纲要全面推动学习者能力提升升级实践教学 激发技术创新 助力产业变革 机器学习—— pandas统计分析算术运算 算术运算算术运算有加减乘除，DataFrame中的算术运算是df中对应位置的元素的算术运算，如果没有共同的元素，则用NaN代替。 算术运算算术运算之加法案例 内容纲要全面推动学习者能力提升升级实践教学 激发技术创新 助力产业变革 机器学习—— pandas统计分析时间序列处理 时间序列处理在 Pandas 中