前言:pandas向excel表的東西，我們可以通過pandas來迅速完成資料的處理操作
series像乙個加強版字典，一樣我們可以通過的索引來訪問值，但是series比字典要強很多，接下來我們通過下文來體驗一下
定義乙個serise
pd.serise(
)
定義乙個dataframe
pd.dataframe(
)out
a b01
2123
234
df1[「列名稱」] 或者 df1.列名稱
索引一行
df1.loc[0]
索引行列
df1.loc[「行名稱」,「列名稱」]
df1.iloc[「行索引」,「列索引」]
索引多行列
df1.loc[「行名稱1」:「行名稱2」,「列名稱1」:「列名稱2」]
df1.iloc[「行索引1」:「行索引2」,「列索引1」:「列索引2」]
刪除操作
df1.drop(「列名稱」,axis=1)
df1.drop(「行名稱」,axis=0)
讀取檔案
pd.read_csv(「filename」,nrows=100,usecols=[『col1』,『col2』])
輸出檔案
data.to_csv(「輸出路徑」)
檢視空值
df1.isnull()
檢視某一列空值
df1.列名稱.isnull()
填充空值
df1.fillna(values=0)
pay列使用pay列的均值填充
df.pay.fillna(df.pay.mean())
大小寫轉換
df.pay.str.lower()
更改資料格式
df.pay.astype(『int』)
更改列名稱
df.rename(columns=)
資料替換
df.city.replace(「sh」,「shanghai」)
資料排序
df.sort_values(by=[『age』])
資料取樣，取樣後不放回
df.sample(n=3,replace=false)
計算列的標準差
df[『price』].std()
計算兩列的協方差
df[『price1』].cov(df[『price2』])
計算所有列的協方差
df.cov()
計算兩個列的相關性
df[『price1』].corr(df[『price2』])
計算所有列的相關性
df.corr()
補碼一位乘法運算 個人總結方法
個人總結觀點，如有問題歡迎指出，作為小白，會在批評中努力成長！1.運算法則 首先，根據題中所給的x，y的值依據補碼的相關定義，寫出x，y的補碼，同時寫出被乘數 例 x 的補碼 要帶上符號位哦 然後書寫部分積 部分積的初始值為00.0000 乘數 y的小數點後的值 補碼一位乘法計算的關鍵主要在於位置的...
海駕另一位的總結
海駕另一位的總結 從報名到現在四個月了，在兩天的集訓下，終於今天考過了科目三 頂著33度的大太陽集訓了兩天 還好沒敢上39度 昨天集訓就不說啦，說是今天下午4點集訓，中午1點，上車練了一小圈，我們被扔在考試的出發點了，等了整整兩個小時，考官慢悠悠的來了，都說協考比較寬鬆下，點背的是就乙個交警，坐在我...
一位原碼的乘法規則 原碼一位乘法的實現演算法
原碼一位乘法的實現演算法 一 用原碼實現乘法運算是十分方便的。原碼表示的兩個數相乘，其乘積的符號為相乘兩數符號的異或值，數值則為兩數絕對值之積。假定 x 原 xsx1 x2 xn y 原 ysy1y2 yn 則 x y 原 x 原 y 原 xs ys x1x2 xn y1 y2 yn 結果是把符號位...