IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> Python知识库 -> stage2_4 -> 正文阅读

[Python知识库]stage2_4

import pandas as pd
t1 = pd.Series([1,2,31,12,45,3])

print(t1)
print(type(t1))

t2 = pd.Series([12,13,14,15,16],index=list("abcde"))
print(t2)

tem_dict= {"name":"zhangsan","age":18,"tel":10086}
t3 = pd.Series(tem_dict)
print(t3)
print(t2.dtype)
print(t3.dtype)
a= t2.astype(float)
print(a.dtype)
print(t3["age"])
print(t3[1])
print(t3[:3])
print(t3[[1,2]])
print(t3[["name","age"]])
print(t3.index)
for i in t3.index:
    print(i)
print(t3.values)

import pandas as pd
import numpy as np

#读取CSV文件中的数据
df = pd.read_csv("D:\PycharmProjects\MyDemo\machine_learning\dogNames2.csv")
#print(df)

#d1 = {"name":["xiaohong","xiaoming"],"age":["18","20"],"tel":["10086","10010"]}
#t1 = pd.DataFrame(d1)
#print(df.head())
#print(df.info())
#DataFrame中排序方法
#df = df.sort_values(by="Count_AnimalName",ascending=False)
#rint(df.head(10))
#pandas取行取列的方法
#1,方括号[]写数字,表示取行,对行进行操作
#2,写字符串,表示取列,对列进行操作
#print(df[:20])
#print(df["Row_Labels"])
#t1 = pd.DataFrame(np.arange(12).reshape(3,4))
#print(t1)
#t2 = pd.DataFrame(np.arange(12).reshape(3,4),index=list("abc"),columns=list("wxyz"))
#print(t2)

#bool索引,&表示且,丨表示或
print(df[(800<df["Count_AnimalName"])&(df["Count_AnimalName"]<1000)])

import pandas as pd
import numpy as np

t1 = pd.DataFrame(np.arange(12).reshape(3,4),index=list("abc"),columns=list("wxyz"))
print(t1)
#loc取值方式
print(t1.loc["a","z"])
print(t1.loc["a"])
print(t1.loc["a",:])
print(t1.loc[:,"y"])
print(t1.loc[["a","c"],])
print(t1.loc[["a","c"],:])
print(t1.loc[:,["w","z"]])
print(t1.loc[["a","c"],["w","z"]])
#iloc取值方式
print(t1.iloc[0])
print(t1.iloc[:,[1,2]])
print(t1.iloc[[0,1],[2,3]])
print(t1.iloc[1:,:2])
t1.iloc[1:,:2]= np.nan
print(t1)
print(pd.isnull(t1))    #t1中是nan的数值
print(pd.notnull(t1))   #t1中不是nan的值
print(t1[pd.notnull(t1["w"])])  #取t1的W列中不是nan的行
print(t1.dropna(axis=0))     #删除有nan的行
print(t1.dropna(axis=0,how="any"))   #“any”表示只要有nan的行都删除
print(t1.dropna(axis=0,how="all"))    #“all”表示只有整行全部为nan才删除
#print(t1)
#print(t1.dropna(axis=0,how="any",inplace=True))    #inplace意思为原地操作,即对t1原变量进行修改
#print(t1)
print(t1.fillna(t1.mean()))    #fillna的意思填充nan的值,.mean的意思是均数
print(t1.mean())
print(t1["x"].fillna(t1["x"].mean()))  #对单独的一列的nan进行赋值操作,t1["x"]为选中x列,t1["x"].mean()使用x列的均值进行填充

import pandas as pd
from matplotlib import pyplot as plt
file_path = "IMDB-Movie-Data.csv"
df= pd.read_csv(file_path)
#print(df.info())
#print(df.head(1))
#print(df["Rating"].mean())
#获取导演人数
#print(len(set(df["Director"].tolist())))     #tolist转化为列表,set创建无序不重复的元素集,len计算长度
#print(len(df["Director"].unique()))   #unique为独一无二,自动生成捕虫回复列表
#获取演员人数
#tem_actors_list = df["Actors"].str.split(", ").tolist()
#actors_list = [i for j in tem_actors_list for i in j]#2个嵌套循环可以把嵌套列表展开为1个列表
#actors_num = len(set(actors_list))
#print(actors_num)

#选择图形,直方图,准备数据

runtime_data = df["Runtime (Minutes)"].values
max_runtime = runtime_data.max()
min_runtime = runtime_data.min()
#计算组数
print(max_runtime-min_runtime)
num_bin = (max_runtime-min_runtime)//5

plt.figure(figsize=(20,8),dpi=80)
plt.hist(runtime_data,num_bin)
plt.xticks(range(min_runtime,max_runtime+5,5))


plt.grid()
plt.show()
  Python知识库 最新文章
Python中String模块
【Python】 14-CVS文件操作
python的panda库读写文件
使用Nordic的nrf52840实现蓝牙DFU过程
【Python学习记录】numpy数组用法整理
Python学习笔记
python字符串和列表
python如何从txt文件中解析出有效的数据
Python编程从入门到实践自学/3.1-3.2
python变量
上一篇文章      下一篇文章      查看所有文章
加:2021-08-11 12:18:43  更:2021-08-11 12:21:37 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 -2024/11/15 6:41:00-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码