Hilda

「离开世界之前一切都是过程」

pandas-时间序列

预备 pandas获取当前时间 1 pd.Timestamp.now() 时间序列数据在金融、经济、气象、物联网等众多领域中无处不在。Pandas 提供了强大而灵活的工具来处理、分析和操作时间序列数据。理解其核心概念对于任何数据科学家或分析师都至关重要。 1.时间戳操作时间戳（Timestamp）是 Pandas 中表示单个特定时间点的数据类型，而时期（Period）表...

Posted by Hilda on July 26, 2025

pandas-数据排序

1.索引列名排序 df.sort_index() 方法用于根据 DataFrame 的行索引或列索引进行排序。基本语法： df.sort_index(axis=0, level=None, ascending=True, inplace=False, kind='quicksort', na_position='last', sort_remaining=True) ...

Posted by Hilda on July 25, 2025

pandas-分组聚合

分组聚合是数据分析中非常强大和常用的操作，它遵循“分-组-合”（Split-Apply-Combine）的范式：分（Split）：根据某个（或多个）键将数据拆分成组。组（Apply）：对每个组独立地应用一个函数（例如，聚合、转换或过滤）。合（Combine）：将各个组的结果合并成一个最终的数据结构。 1.分组 (groupby) df.groupby()...

Posted by Hilda on July 25, 2025

pandas-分箱操作

分箱操作（Binning），也称为面元划分或离散化，是将连续数据转换为分类（离散）对应物的过程。这在统计分析和机器学习中非常有用，例如将连续的年龄数据划分为“儿童”、“青少年”、“成年人”、“老年人”等类别。分箱操作主要分为等距分箱和等频分箱。 1. 等宽分箱 (pd.cut) 等宽分箱（Equal-width binning）是将数据值的范围划分为大小相等的区间。每个区间（或“...

Posted by Hilda on July 25, 2025

pandas-数据转换和数据重塑

在数据分析和机器学习的工作流程中，数据转换和重塑是至关重要的步骤。它们允许我们以不同的方式组织和修改数据，以适应特定的分析需求或模型输入格式。pandas 库提供了丰富而强大的功能来高效地完成这些任务。 1.数据转换数据转换是指对数据进行修改，使其从一种形式变为另一种形式，通常是为了清洗、标准化或创建新特征。 1.1 轴和元素替换在数据处理过程中，我们经常需要修改 DataF...

Posted by Hilda on July 24, 2025

pandas-数学和统计方法

pandas 库不仅提供了强大的数据结构，还内置了丰富的数学和统计方法，以及灵活的数据处理和分析工具。这些功能使得数据汇总、探索、清洗和特征工程变得高效且直观。 pandas 对象（Series 和 DataFrame）拥有一组常用的数学和统计方法，它们属于汇总统计（summary statistics）。这些方法可以对 Series 进行汇总计算（如求均值、最大值），或者对 Data...

Posted by Hilda on July 24, 2025

pandas-数据清洗

数据清洗是数据分析流程中非常耗时但至关重要的一步。它涉及处理重复数据、缺失值、异常值以及不一致的数据格式等问题。pandas 提供了丰富的工具来高效地执行这些任务。 1.重复数据过滤重复数据是指在数据集中出现多次的完全相同或部分相同的记录。处理重复数据是确保数据质量和分析准确性的重要步骤。 df.duplicated(subset=None, keep='first')： ...

Posted by Hilda on July 23, 2025

pandas-数据集成

pandas 提供了多种功能来将 Series 和 DataFrame 对象组合在一起，这些操作在数据分析中非常常见，例如合并来自不同来源的数据。 1.concat 数据串联 pd.concat() 函数用于沿着某个轴将 pandas 对象（Series 或 DataFrame）串联（concatenate）起来。它提供了灵活的方式来堆叠数据。基本语法： pd.concat...

Posted by Hilda on July 22, 2025

pandas-数据选取

数据选取是数据分析的第一步，它允许我们从大型数据集中提取出感兴趣的子集。pandas 提供了多种直观且高效的方法来实现这一点。 1.字段数据（基本索引）在 pandas 中，DataFrame 的列可以像字典一样通过键（列名）来访问，也可以像 NumPy 数组一样通过整数位置进行切片。选择单列： df['ColumnName']：这是最常用和推荐的方...

Posted by Hilda on July 22, 2025

pandas-数据输入与输出

pandas数据输入与输出。 1.CSV CSV (Comma-Separated Values) 是一种以纯文本形式存储表格数据的格式。它是数据交换最常用的格式之一。pandas 提供了强大的函数来读写 CSV 文件。 df.to_csv(path_or_buf, sep, header, index)：将 DataFrame 保存为 CSV 文件。 ...

Posted by Hilda on July 21, 2025