Pandas实战100例-专栏介绍

相关文章

• Pandas实战100例 | 案例 54: 日期时间运算

  案例 54: 日期时间运算 知识点讲解 当处理带有 datetime 类型数据的 DataFrame 时，Pandas 提供了多种方法来提取和计算日期时间组件。这包括提取年份、月份、日期、星期几以及小时等。 提取日期时间组件 : 使用 .dt 访问器，可以从 datetime 类型的列中提取各种日期时间组件。 示例

  2024年01月16日

  浏览(40)

• Pandas实战100例 | 案例 20: 日期时间运算

  案例 20: 日期时间运算 知识点讲解 Pandas 提供了强大的日期和时间处理功能。你可以从 datetime 类型的列中提取出年份、月份、日、星期等信息，也可以进行日期时间的加减运算。 提取日期时间信息 : 使用 dt 访问器，你可以从 datetime 类型的列中提取出年份 ( year )、月份 ( mon

  2024年01月21日

  浏览(49)

• Pandas实战100例 | 案例 41: 字符串操作

  案例 41: 字符串操作 知识点讲解 Pandas 提供了强大的字符串处理功能，这些功能类似于 Python 的标准字符串方法。你可以对 DataFrame 中的字符串数据执行各种操作，如分割、提取、计算长度等。 字符串分割 : 使用 str.split() 分割字符串。 提取字符串 : 使用 str.get() 获取分割后的

  2024年01月21日

  浏览(37)

• Pandas实战100例 | 案例 31: 转换为分类数据

  案例 31: 转换为分类数据 知识点讲解 在处理包含文本数据的 DataFrame 时，将文本列转换为分类数据类型通常是一个好主意。这可以提高性能并节省内存。Pandas 允许将列转换为 category 类型。 分类数据类型 : category 类型适用于那些只包含有限数量不同值的列（例如，性别、产品

  2024年02月02日

  浏览(42)

• Pandas实战100例 | 案例 70: 分组后计算排名

  案例 70: 分组后计算排名 知识点讲解 在数据分析中，我们经常需要在分组基础上进行排名。Pandas 允许在对数据分组后，对每个分组内的数据进行排名。 分组后计算排名 : 使用 groupby 方法创建分组，然后对每个组应用 rank 方法来计算排名。这可以为每个组内的元素分配一个基

  2024年01月17日

  浏览(42)

• Pandas实战100例 | 案例 50: 分组后的过滤

  案例 50: 分组后的过滤 知识点讲解 在 Pandas 中，你可以对分组后的数据进行过滤，根据每个组的特性选择或排除特定的组。这通常通过 groupby 结合 filter 方法实现。 分组后的过滤 : 使用 filter 方法，可以根据分组的属性（如组内均值、最大值等）决定是否保留整个组。 示例代

  2024年01月15日

  浏览(39)

• Pandas实战100例 | 案例 3: 数据清洗 - 处理缺失值

  案例 3: 数据清洗 - 处理缺失值 知识点讲解 在现实世界的数据集中，经常会遇到缺失值。Pandas 提供了多种方法来处理这些缺失值，包括填充缺失值、删除含有缺失值的行或列。 示例代码 检测缺失值 填充缺失值

  2024年01月20日

  浏览(42)

• Pandas实战100例 | 案例 17: 处理重复数据 - 删除重复行

  案例 17: 处理重复数据 - 删除重复行 知识点讲解 在数据分析过程中，处理重复的记录是一个常见的任务。Pandas 提供了方便的方法来删除重复行，保证数据的准确性和可靠性。 删除所有列重复的行 : 使用 drop_duplicates() 方法可以删除 DataFrame 中所有列值完全相同的重复行。 基于

  2024年01月20日

  浏览(56)

• Pandas实战100例 | 案例 15: 移动平均 - 使用 `rolling` 方法

  案例 15: 移动平均 - 使用 rolling 方法 知识点讲解 移动平均是时间序列数据分析中的一种基本技术，用于平滑时间序列中的短期波动并突出长期趋势。Pandas 的 rolling 方法提供了计算移动平均的简便方式。 计算移动平均 : 使用 rolling 方法，你可以指定窗口大小来计算移动平均。

  2024年01月20日

  浏览(43)

• Pandas实战100例 | 案例 24: 数据可视化 - 绘制基本图形

  案例 24: 数据可视化 - 绘制基本图形 知识点讲解 数据可视化是数据分析中的一个重要环节，可以帮助更好地理解和解释数据。Pandas 集成了 Matplotlib，提供了简单的方法来绘制各种图形，如折线图、条形图、散点图等。 绘制图形 : 使用 DataFrame 的 plot 方法可以绘制不同类型的图

  2024年01月17日

  浏览(45)