文件名称：pandas-cookbook：使用Python的pandas库的食谱
文件大小：8.97MB
文件格式：ZIP
更新时间：2024-03-10 20:04:16
JupyterNotebook
熊猫食谱 是用于进行数据分析的Python库。 它真的非常快，可让您快速地完成探索性工作。 本食谱的目的是为您提供一些熊猫入门的具体示例。 该真的很全面。 但是，我经常让人们告诉我，他们在入门时遇到了一些麻烦，因此这些都是真实数据的示例，其中包含所有错误和怪异现象。 它使用3个数据集： 311在纽约打电话 2012年蒙特利尔的自行车道上有多少人 蒙特利尔2012年的天气，按小时 它附带电池（数据），因此您可以立即尝试所有示例。 目录 展示了IPython出色的制表符完成和魔术功能。 将数据读入熊猫几乎是最简单的事情。 即使编码错误！ 如何从熊猫数据框中选择数据还不是很明显。 在这里，我解释了基础知识（如何获取切片和获取列） 在这里，我们进行了认真的切片和切块，并学习了如何以复杂的方式真正快速地过滤数据帧。 groupby / aggregate是我最喜欢的关于熊猫的东西
【文件预览】：
pandas-cookbook-master
----runtime.txt(10B)
----data()
--------popularity-contest(185KB)
--------bikes.csv(13KB)
--------311-service-requests.csv(52.5MB)
--------weather_2012.csv(492KB)
--------weather_2012.sqlite(7KB)
--------README.md(199B)
----Dockerfile-Local(261B)
----cookbook()
--------Chapter 3 - Which borough has the most noise complaints (or, more selecting data).ipynb(85KB)
--------images()
--------Chapter 5 - Combining dataframes and scraping Canadian weather data.ipynb(223KB)
--------A quick tour of IPython Notebook.ipynb(8KB)
--------Chapter 7 - Cleaning up messy data.ipynb(54KB)
--------Chapter 4 - Find out on which weekday people bike the most with groupby and aggregate.ipynb(135KB)
--------Chapter 8 - How to deal with timestamps.ipynb(19KB)
--------Chapter 9 - Loading data from SQL databases.ipynb(19KB)
--------Chapter 6 - String Operations- Which month was the snowiest.ipynb(90KB)
--------Chapter 2 - Selecting data & finding the most common complaint type.ipynb(103KB)
--------Chapter 1 - Reading from a CSV.ipynb(502KB)
----requirements.txt(46B)
----.gitignore(19B)
----.dockerignore(127B)
----README.md(7KB)
----.jupyter()
--------jupyter_notebook_config.py(55B)