`
shaojiashuai123456
  • 浏览: 262092 次
  • 性别: Icon_minigender_1
  • 来自: 吉林
社区版块
存档分类
最新评论

python pandas

 
阅读更多
import sys
from pandas import Series,DataFrame
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn import preprocessing

plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
data = pd.read_csv("./train_samples_all.csv")

x = np.array(data[["dis","time"]])
scaler = preprocessing.StandardScaler().fit(np.array(x))
#print scaler.mean_
#print scaler.scale_

data["l_num"] = data.apply(lambda x:x["num1"]*0.5 + x["num2"], axis=1)

data_true = data[(data.label == 1)]      #过滤特征
data_false = data[(data.label == 0)]

true_des = data_true.describe()
false_des = data_false.describe()

dd = data.describe()
print dd.to_dict()

 

from scipy import stats, integrate
import seaborn as sns
sns.set(color_codes=True)
sns.pairplot(data[["label","dis","time"]],hue="label") #查看两两特征

 

#遍历dataframe
df = pd.read_csv(self.ifn)
for index, row in df.iterrows():
    print index,row

 

plt.figure(figsize=(10, 5))
plt.xticks(np.arange(0,3000,200))
plt.xlim((0,4000))
sns.distplot(data_true["dis"],kde=True,bins = 50,kde_kws={"lw": 4, "label": "true","alpha":0.4})
sns.distplot(data_false["dis"],kde=True,bins = 50,kde_kws={"lw": 3, "label": "false","alpha":0.4})

 

分享到:
评论

相关推荐

    python pandas 官网文档

    python pandas 官网文档 2000多页 目录包括: 1-What's New 2-Installation 3-Contributing to pandas 4-Package overview 【*】5-10 Minutes to pandas 【*】6-Tutorials 【*】7-Cookbook 【*】8-Intro to Data ...

    Python pandas 数据清洗 基础教程

    Python pandas 数据清洗基础教程 Python pandas 是一个非常流行的数据处理库,它提供了许多强大的功能来处理和分析数据。在数据处理过程中,数据清洗是一个非常重要的步骤,它可以帮助我们将原始数据转换为可以用于...

    数据分析excel python pandas教程及相关例子源码.zip

    数据分析excel python pandas教程及相关例子源码.zip pandas 是基于NumPy 的一种工具,该工具是为解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具。...

    Python Pandas使用教程

    Python Pandas 使用教程 Python Pandas 是一种功能强大的 Python 数据分析工具包,由 Wes McKinney 和 Pandas 开发团队开发,最新版本为 1.4.2,发布于 2022 年 4 月 2 日。 安装 要开始使用 Pandas,首先需要...

    Python 解决pandas.to-excel()函数覆盖原有Sheet页的问题 Python源码

    Python 解决pandas.to_excel()函数覆盖原有Sheet页的问题 Python源码Python 解决pandas.to_excel()函数覆盖原有Sheet页的问题 Python源码Python 解决pandas.to_excel()函数覆盖原有Sheet页的问题 Python源码Python ...

    python pandas说明文档

    ### Python Pandas 0.18.0 官方说明文档关键知识点解析 #### 一、概述 Python Pandas 是一款强大的数据处理与分析工具包,由 Wes McKinney 创建,并得到了 PyData 开发团队的支持。Pandas 的核心功能在于提供高...

    Python pandas怎么使用.docx

    ### Python Pandas 使用详解 #### 一、简介 Pandas 是 Python 编程语言中一个非常重要的数据分析库,它提供了一系列高效的数据处理和分析工具。Pandas 的核心数据结构包括 Series(一维数组)和 DataFrame(二维...

    Python pandas EPD Anaconda安装说明

    ### Python pandas EPD Anaconda 安装说明 #### 一、EPD+Pandas安装步骤详解 ##### 1. 下载并安装EPD Free EPD (Enthought Python Distribution) 是一个面向科学计算领域的 Python 发行版,包含了大量用于数据...

    基于python pandas数据分析基础demo

    在数据分析领域,Python的pandas库是不可或缺的工具,它为数据处理提供了高效且易用的接口。本项目“基于python pandas数据分析基础demo”旨在通过一个实际案例介绍pandas的基本用法,特别是针对数据清洗、探索性...

    python pandas库的golang版本的整合

    python pandas库的golang版本的整合 介绍 golang版本的pandas 2. 功能/模块划分 参考的代码: https://github.com/go-gota/gota https://github.com/WinPooh32/series ...

    python pandas模块使用笔记

    python pandas模块使用笔记 包含可运行代码

    Python Pandas Cheat Sheet (DQ).pdf

    Python Pandas Cheat Sheet DQ版 Pandas速查手册DQ版

    python——pandas总结1

    ### Python Pandas 基本用法和例程详解 #### 一、Pandas概述 Pandas 是 Python 中用于数据分析和处理的一种强大的库。它基于 NumPy 构建,提供了非常灵活高效的 DataFrame 和 Series 数据结构,能够高效地处理各种...

    python pandas数值转换

    python pandas数值转换

    Python-pandas基础习题与答案

    ### Python-pandas基础习题与答案 #### 一、题目解析及知识点概述 根据题目描述,这份材料主要涉及Python中的pandas库的基础操作,包括数据读取、数据处理、数据分析等多个方面。通过这些习题,我们可以了解到如何...

    B站 Python Pandas 数据分析,编程练习100例

    在"B站 Python Pandas 数据分析,编程练习100例"这个主题中,我们主要探讨的是如何使用Python的Pandas库进行数据处理和分析。Pandas是Python中一个强大的数据分析工具,它提供了丰富的数据结构(如DataFrame和Series...

    pandas题目练习(Python Pandas 数据分析,编程练习100例).zip

    【Python Pandas 数据分析】 Pandas是Python编程中用于数据处理和分析的重要库,它提供了高效的数据结构,如DataFrame和Series,使得数据清洗、转换、聚合等操作变得简单易行。Pandas库的设计目标是使数据科学家...

    python pandas测试数据集

    python pandas测试数据集

Global site tag (gtag.js) - Google Analytics