相關(guān)文章

• Pandas實(shí)戰(zhàn)100例 | 案例 25: 計(jì)算相關(guān)系數(shù)

  案例 25: 計(jì)算相關(guān)系數(shù) 知識(shí)點(diǎn)講解 在統(tǒng)計(jì)分析中，了解變量之間的關(guān)系是非常重要的。相關(guān)系數(shù)是衡量變量之間線性相關(guān)程度的一種方法。Pandas 提供了 corr 方法來計(jì)算列之間的相關(guān)系數(shù)。 相關(guān)系數(shù) : 相關(guān)系數(shù)的值范圍在 -1 到 1 之間。接近 1 表示正相關(guān)，接近 -1 表示負(fù)相關(guān)

  2024年01月21日

  瀏覽(21)

• Pandas實(shí)戰(zhàn)100例 | 案例 54: 日期時(shí)間運(yùn)算

  案例 54: 日期時(shí)間運(yùn)算 知識(shí)點(diǎn)講解 當(dāng)處理帶有 datetime 類型數(shù)據(jù)的 DataFrame 時(shí)，Pandas 提供了多種方法來提取和計(jì)算日期時(shí)間組件。這包括提取年份、月份、日期、星期幾以及小時(shí)等。 提取日期時(shí)間組件 : 使用 .dt 訪問器，可以從 datetime 類型的列中提取各種日期時(shí)間組件。 示例

  2024年01月16日

  瀏覽(24)

• Pandas實(shí)戰(zhàn)100例 | 案例 20: 日期時(shí)間運(yùn)算

  案例 20: 日期時(shí)間運(yùn)算 知識(shí)點(diǎn)講解 Pandas 提供了強(qiáng)大的日期和時(shí)間處理功能。你可以從 datetime 類型的列中提取出年份、月份、日、星期等信息，也可以進(jìn)行日期時(shí)間的加減運(yùn)算。 提取日期時(shí)間信息 : 使用 dt 訪問器，你可以從 datetime 類型的列中提取出年份 ( year )、月份 ( mon

  2024年01月21日

  瀏覽(32)

• Pandas實(shí)戰(zhàn)100例 | 案例 41: 字符串操作

  案例 41: 字符串操作 知識(shí)點(diǎn)講解 Pandas 提供了強(qiáng)大的字符串處理功能，這些功能類似于 Python 的標(biāo)準(zhǔn)字符串方法。你可以對(duì) DataFrame 中的字符串?dāng)?shù)據(jù)執(zhí)行各種操作，如分割、提取、計(jì)算長度等。 字符串分割 : 使用 str.split() 分割字符串。 提取字符串 : 使用 str.get() 獲取分割后的

  2024年01月21日

  瀏覽(27)

• Pandas實(shí)戰(zhàn)100例 | 案例 31: 轉(zhuǎn)換為分類數(shù)據(jù)

  案例 31: 轉(zhuǎn)換為分類數(shù)據(jù) 知識(shí)點(diǎn)講解 在處理包含文本數(shù)據(jù)的 DataFrame 時(shí)，將文本列轉(zhuǎn)換為分類數(shù)據(jù)類型通常是一個(gè)好主意。這可以提高性能并節(jié)省內(nèi)存。Pandas 允許將列轉(zhuǎn)換為 category 類型。 分類數(shù)據(jù)類型 : category 類型適用于那些只包含有限數(shù)量不同值的列（例如，性別、產(chǎn)品

  2024年02月02日

  瀏覽(24)

• Pandas實(shí)戰(zhàn)100例 | 案例 3: 數(shù)據(jù)清洗 - 處理缺失值

  案例 3: 數(shù)據(jù)清洗 - 處理缺失值 知識(shí)點(diǎn)講解 在現(xiàn)實(shí)世界的數(shù)據(jù)集中，經(jīng)常會(huì)遇到缺失值。Pandas 提供了多種方法來處理這些缺失值，包括填充缺失值、刪除含有缺失值的行或列。 示例代碼 檢測(cè)缺失值 填充缺失值

  2024年01月20日

  瀏覽(25)

• Pandas實(shí)戰(zhàn)100例 | 案例 17: 處理重復(fù)數(shù)據(jù) - 刪除重復(fù)行

  案例 17: 處理重復(fù)數(shù)據(jù) - 刪除重復(fù)行 知識(shí)點(diǎn)講解 在數(shù)據(jù)分析過程中，處理重復(fù)的記錄是一個(gè)常見的任務(wù)。Pandas 提供了方便的方法來刪除重復(fù)行，保證數(shù)據(jù)的準(zhǔn)確性和可靠性。 刪除所有列重復(fù)的行 : 使用 drop_duplicates() 方法可以刪除 DataFrame 中所有列值完全相同的重復(fù)行。 基于

  2024年01月20日

  瀏覽(53)

• Pandas實(shí)戰(zhàn)100例 | 案例 15: 移動(dòng)平均 - 使用 `rolling` 方法

  案例 15: 移動(dòng)平均 - 使用 rolling 方法 知識(shí)點(diǎn)講解 移動(dòng)平均是時(shí)間序列數(shù)據(jù)分析中的一種基本技術(shù)，用于平滑時(shí)間序列中的短期波動(dòng)并突出長期趨勢(shì)。Pandas 的 rolling 方法提供了計(jì)算移動(dòng)平均的簡(jiǎn)便方式。 計(jì)算移動(dòng)平均 : 使用 rolling 方法，你可以指定窗口大小來計(jì)算移動(dòng)平均。

  2024年01月20日

  瀏覽(24)

• Pandas實(shí)戰(zhàn)100例 | 案例 16: 字符串操作 - 分割和轉(zhuǎn)換

  案例 16: 字符串操作 - 分割和轉(zhuǎn)換 知識(shí)點(diǎn)講解 Pandas 提供了豐富的字符串操作功能，這些功能很大程度上類似于 Python 原生的字符串方法。你可以對(duì) DataFrame 或 Series 中的字符串進(jìn)行分割、轉(zhuǎn)換、替換等操作。這些操作在處理文本數(shù)據(jù)時(shí)非常有用。 字符串分割 : 使用 split 方法分

  2024年02月02日

  瀏覽(77)

• Pandas實(shí)戰(zhàn)100例 | 案例 24: 數(shù)據(jù)可視化 - 繪制基本圖形

  案例 24: 數(shù)據(jù)可視化 - 繪制基本圖形 知識(shí)點(diǎn)講解 數(shù)據(jù)可視化是數(shù)據(jù)分析中的一個(gè)重要環(huán)節(jié)，可以幫助更好地理解和解釋數(shù)據(jù)。Pandas 集成了 Matplotlib，提供了簡(jiǎn)單的方法來繪制各種圖形，如折線圖、條形圖、散點(diǎn)圖等。 繪制圖形 : 使用 DataFrame 的 plot 方法可以繪制不同類型的圖

  2024年01月17日

  瀏覽(35)