1.首先导入pandas库,一般都会用到numpy库,所以我们先导入备用: import numpy as np import pandas as pd 导入CSV或者xlsx文件: df = pd.DataFrame(pd.read_csv('name.csv',header=1)) df = pd.DataFrame(pd.read_excel('name.xlsx')) 3.用pandas创建数据表: df = pd.DataFrame({"id":[1001,1002,1003

dsoft2 = data1.loc[(data1['程'] == "轻") | (data1['程'] == "中")]设置x下标plt.xticks(np.arange(24)) 特定列 排序 print(data.sort_values(axis = 0,ascending = True,by = '停留时间')) plt.savefig(name+".jpg") #中文myfont = FontProperties(fname=r'C:\

1. 手工创建DataFrame a = [[1, 2, 2],[3,None,6],[3, 7, None],[5,None,7]] data = DataFrame(a) 2. Excel数据数据没有顶头的处理 import os import pandas as pd base_path = "D:\\practicespace\\Python\\datasets" file_name = "data.xlsx" path = os.path.join(bas

1.理论铺垫 Dataframe和Series均适用 ~集中趋势:均值mean().中位数median().与分位数quantile(q=0.25).众数mode() ~离中趋势:标准差std().方差var() 数据分布:偏态skew()与峰态kurt().正态分布与三大分布正偏态(mean>median) import scipy.stats as ss    正态分布:ss.norm .卡方分布:ss.chi2 .t分布:ss.chi2.f分布:ss.chi2 偏态系数:数据平均值偏离状态

1 用通俗的语言介绍下线性回归->逻辑回归->SVM之间的区别和联系. 2 聚类算法的应用场景,以及k-means中的k值怎么确定. def center(data): center = [] for num in data: sumX = 0; sumY = 0 for j in num: sumX += j[0] sumY += j[1] x = float(sumX) / len(data) y = float(sumY) / len(data) center.append([x, y]

每天的总结都是必须,好记性不如烂笔头,好吧,一星期没做笔记了,最近忙上PB了,哎东学学西学学,最可怕的就是最后都半斤八两,吐槽一下关于PB的资源为何如此之少,今天记录的是关于itemchanged事件的介绍. Description: itemchanged事件在datawindow里的字段被修改并且失去焦点后发生,当然在Update函数被调用之前也会触发这个事件,事件共有三个参数: long  row  ,表示当前行 dwobject  dwo,表示datawindow里的字段,例dwo.na

官方文档链接http://pandas.pydata.org/pandas-docs/stable/dsintro.html 数据结构介绍 我们将以一个快速的.非全面的pandas的基础数据结构概述来开始.应用在所有对象的数据类型.索引和轴标签/对齐等的基础操作.首先我们需要向你的命名空间引入numpy和pandas. In [1]: import numpy as np In [2]: import pandas as pd 有个宗旨需要牢记:数据对齐是内在的.标签和数据间的链接不会被轻易改变

1.Networked Programs 1.Internet 我们现在学习Internet部分,即平时我们浏览器做的事情,之后再学习客服端这部分 2.TCP 传输控制协议 3.Socket HTTP80端口用来与浏览器沟通 4.Sockets in Python mysock=socket.socket(socket.AF_INET,socket.SOCK_STREAM)#like file open #AF_INET refer i'm make an internet socket #ST

# coding: utf-8 #!/usr/bin/env python from __future__ import absolute_import from __future__ import print_function import traceback import argparse import ipaddress from binascii import hexlify import socket import struct import sys import dpkt impor

# -*- coding: utf-8 -*- """ Simple demonstration of TreeWidget, which is an extension of QTreeWidget that allows widgets to be added and dragged within the tree more easily. """ import initExample ## Add path to library (just

http://mxnet.apache.org/api/python/gluon/data.html import sys import os import time import mxnet as mx from mxnet import autograd,nd from mxnet import gluon,init from mxnet.gluon import data as gdata,loss as gloss from mxnet.gluon import nn #gdata.Ar

Coursera课程<Using Python to Access Web Data> 密歇根大学 Week6 JSON and the REST Architecture 13.5 JavaScript Object Notation(JSON) JSON是一种相比于XML更简单的格式,而且现在在互联网上非常普遍.XML是很强大,但是很多时候我们并不需要使用这么强大的格式,我们就能完成我们的任务. import json data = '''{ "name": "

一.数据探索 1.数据读取 遍历文件夹,读取文件夹下各个文件的名字:os.listdir() 方法:用于返回指定的文件夹包含的文件或文件夹的名字的列表.这个列表以字母顺序. 它不包括 '.' 和'..' 即使它在文件夹中. 1.1 CSV格式数据 详细说明 (1)读取 ### python导入csv文件的4种方法 # 1.原始的方式 lines = [line.split(',') for line in open('iris.csv')] df = [[float(x) for x in li

探索性数据分析(Exploratory Data Analysis,EDA)主要的工作是:对数据进行清洗,对数据进行描述(描述统计量,图表),查看数据的分布,比较数据之间的关系,培养对数据的直觉,对数据进行总结等. 探索性数据分析(EDA)与传统统计分析(Classical Analysis)的区别: 传统的统计分析方法通常是先假设样本服从某种分布,然后把数据套入假设模型再做分析.但由于多数数据并不能满足假设的分布,因此,传统统计分析结果常常不能让人满意. 探索性数据分析方法注重数据的真实分布,

Coursera课程<Using Python to Access Web Data> 密歇根大学 Week5 Web Services and XML 13.1 Data on the Web 在网络上我们需要用一种固定的模板进行交流,python将我们的内容serialize成这种模板,然后再de-serialize让另外一种语言读懂. 现在有两种交流模板:XML和JSON. 13.2 Extensible Markup Language(XML) XML也就是可扩展标记语言(Extens

Coursera课程<Using Python to Access Web Data> 密歇根大学 Week4 Programs that Surf the Web 12.3 Unicode Characters and Strings Representing Simple Strings 使用ASCII码,每个字符都被一个0到256的数字表示来存在8bits的内存里. 使用ord()函数可以查询,指定字符所对应的ASCII码. >>> print(ord('H')) 72

Coursera课程<Using Python to Access Web Data> 密歇根大学 Week3 Networks and Sockets 12.1 Networked Technology Transport Control Protocol(TCP) TCP端口就是为TCP协议通信提供服务的端口.TCP(Transmission Control Protocol),TCP是一种面向连接(连接导向)的.可靠的.基于字节流的运输层(Transport layer)通信协议. 在计

原因,最近开发的kafka消息接收,突然报如下错: org.apache.kafka.common.errors.SerializationException: Error deserializing... Caused by: org.apache.kafka.common.errors.SerializationException: Size of data received by IntegerDeserializer is not 4 原因如下,我的kafka序列化配置中配置的序列化类如

看到一篇有意思的博客 利用微信开放的接口itchat 可以获取登录的微信好友信息 并且利用图像工具显示分析结果 非常的有意思 记录下实现过程 并提供可执行代码 首先要 import itchat 库 这个是微信开源的一个接口 用于登录微信并且查看账户里好友信息服务的 2种导入方法 都可以快速下载库 1.在cmd里可以直接 pip3 install itchat     2.在pycharm中可以依次 File-->Settings-->Project xxx项目-->Project In

只想说,数据挖掘工作,80%时间都花在处理数据上了,这句话真不假! 最近和小伙伴组了个队参加数据分析比赛,记录下我处理 csv 文件的一些步骤吧: 修改csv文件 可以用csv模块1,官方文档2 import pandas as pd import csv city_class={1:['北京','上海','重庆','天津'],2:['成都','大连','沈阳'],3:['长春']} with open('city_test.csv','r+') as f: f.readline() data=