pandas标签_AI Agent技术社区

pandas

Python 文件处理知识点（实际实践）

本文总结了Python中常用的文件处理实践方法，包括：1)文本文件读取(全量/逐行/分块)和写入；2)JSON/CSV/Excel等结构化数据的读写；3)XML文件解析与生成；4)文件批量操作与复制移动；5)二进制文件处理；6)结合Pandas的数据处理流程。涵盖了从基础文件操作到复杂数据处理的全套解决方案，并提供了日志处理、数据清洗归档等综合应用示例。这些代码片段可直接用于实际项目开发，帮助开发

 西红市杰出青年
2026-03-17 11:45:51

 210

 5

#python #开发语言 #pandas
# 发散创新：用Python+Pandas构建高阶BI分析流水线，从数据清洗到可视化

在现代企业中，早已不是简单的报表生成器，而是驱动决策的核心引擎。传统BI平台如Tableau、Power BI虽然强大，但在定制化、自动化和嵌入式场景下存在局限。本文将带你使用搭建一套可扩展的BI分析流水线，涵盖四大模块，并提供完整代码示例和流程图说明，助你在CSDN快速落地实战项目。

yang1201209h
2026-03-11 02:45:05

 398

 9

#python #pandas #数据分析 +1
Python 肥胖数据集挖掘实战（96% 准确率）

本文基于UCI机器学习库的ObesityDataSet数据集（2111条记录，17个字段），使用Python进行肥胖数据分析与挖掘。数据集包含性别、年龄、BMI等特征，目标变量将人群划分为7个肥胖等级。研究涵盖数据预处理、探索性分析、分类建模（随机森林准确率96%）、聚类分析和回归预测全流程，共生成19张可视化图表。项目完整实现了从数据清洗到模型部署的完整数据科学流程，为肥胖风险预测提供了有效的解

 xintgong
2026-07-25 15:44:09

 459

 15

#python #随机森林 #支持向量机 +4
极简回测：用 Python 30行代码快速复现经典 A 股“白酒双子星”配对交易策略

本文介绍了量化投资中的配对交易策略，以贵州茅台和五粮液为例，演示如何利用QuantDash获取历史数据并实现该策略。配对交易通过统计方法寻找价格偏离均值的高相关性股票组合，在价差回归时获利。文章详细拆解了策略的数学逻辑、数据准备方案对比（传统爬虫vs QuantDash SDK），并提供了完整的Python代码实现，包括数据获取、价差计算、Z-Score信号生成等关键步骤。最后解答了前复权价格的重

 weixin_45515140
2026-07-28 06:47:42

 346

 12

#python #开发语言 #pandas +1
【Python量化】10分钟吃透量化必备数据类型，新手也能零出错

大家好，我是fairyran，上一篇我们搞定了Python量化开发环境的搭建，相信很多朋友已经成功运行了测试代码，获取到了上证指数的数据～今天我们进入核心基础环节，也是量化开发的“基本功”——Python数据类型。很多新手会觉得“数据类型很简单，没必要专门学”，但在量化开发中，数据类型用错，轻则导致代码报错、计算出错，重则影响策略逻辑（比如把股价字符串当成数字计算，把股票代码当成数值处理）。

fairyran27
2026-05-31 15:55:31

 223

 2

#数据库 #python #量化投资 +2
Python 百年奥运数据分析实战｜Pandas 清洗 + Matplotlib/Pyecharts 可视化 + 拖拽大屏完整项目（附源码）

大家好，今天分享一套大一课内数据分析完整实战项目 ——1896-2016 百年奥运数据探索与体育强国分析，基于 Kaggle 经典奥运数据集，完整覆盖数据读取、多表关联、缺失值清洗、特征工程、多维探索分析、中国专题、交互式可视化大屏全流程，适合数据分析入门练手、课程大作业、期末报告。athlete_events.csv 运动员明细表。

zlfswdmz
2026-06-25 19:03:36

 235

 5

#python #数据分析 #pandas
零基础学 Python 第18章 | 多态与魔法方法：让对象更智能

1. 核心目标：掌握多态与魔法方法，让自定义对象支持print输出、len()统计和运算符操作2. 核心知识点：多态概念与实现、__str__、__repr__、__len__、__add__运算符重载、__eq__比较重载3. 实操产出：迷你图书管理系统，综合运用类定义、继承、封装、多态、魔法方法、文件读写4. 前置基础：第17章封装、第16章继承、第15章类与对象

 梅雅达编程笔记
2026-07-20 14:10:03

 369

 5

#python #开发语言 #pandas +1
【Python量化实战 #04】Python量化技术指标：MACD、KDJ、均线数据接口调用与pandas示例

系列：Python 行情数据接入笔记（持续更新）指标可以本地用收盘价重算，也可以由数据接口直接给出。本篇演示通过mairui读取 MACD、KDJ、均线等序列，并给一个「读字段 → 简单交叉判断」的代码骨架。

2501_94338261
2026-07-28 12:51:33

 190

 4

#python #pandas #开发语言
Python数据分析实战：用pandas处理含特殊字符的CSV文件（附正则表达式清洗技巧）

本文详细介绍了使用Python的pandas库处理含特殊字符CSV文件的实战技巧。针对字段内包含逗号、引号、换行符等导致解析错误的问题，文章深入讲解了read_csv()函数的关键参数配置，并展示了如何结合正则表达式进行高级数据清洗，帮助数据分析师高效驯服复杂格式的CSV数据。

鬼斧神工119
2026-03-02 00:14:30

 327

 13

#pandas #正则表达式
Python爬虫实战：用BeautifulSoup和pandas轻松抓取去哪儿网景点数据（附完整代码）

本文详细介绍了如何使用Python的BeautifulSoup和pandas库构建高效的旅游景点数据采集系统，涵盖网页结构分析、反爬策略、数据解析与清洗等关键步骤，并提供完整代码实现。通过实战案例，帮助开发者掌握网络爬虫技术，实现去哪儿网景点数据的自动化采集与分析。

web99
2026-02-25 14:40:31

 653

 15

#pandas
实战：利用Python爬取豆瓣电影Top250数据并可视化分析

本文提供了一份完整的Python实战教程，指导读者如何利用requests和BeautifulSoup库爬取豆瓣电影Top250数据，并通过pandas进行数据清洗与整理，最终保存至Excel文件。教程还详细展示了如何使用matplotlib和seaborn对数据进行多维度可视化分析，揭示评分分布、热度关系及国家/类型偏好等洞察，适合数据分析初学者入门实践。

pytorchlight8
2026-03-05 04:17:39

 436

 7

#数据可视化 #数据分析 #pandas
零基础学 Python 第9章 | 函数基础：def、参数与返回值

1. 核心目标：学会用 def 定义函数，把代码打包成可复用的工具2. 核心知识点：def 定义函数、形参与实参、return 返回值、多返回值、函数调用流程、参数默认值3. 实操产出：封装温度转换、BMI计算、密码强度检测三个实用函数工具集4. 前置基础：第8章字符串格式化、第3章 if 条件判断、变量与数据类型

 梅雅达编程笔记
2026-07-14 17:46:01

 541

 13

#python #开发语言 #pandas +2
Python数据清洗实战：20个生产级库与15条人脑级最佳实践

数据清洗是数据工程的核心环节，而非简单的预处理步骤。其本质是将业务规则编码为可执行、可审计、可回溯的计算逻辑，涉及缺失值语义归因、时间字段语义区分、主数据对齐、PDF非结构化提取及Schema驱动校验等关键技术原理。它直接决定模型效果、数据可信度与系统可维护性，在金融、医疗、零售等强监管行业尤为关键。本文聚焦真实生产环境中的高频挑战——如隐式类型转换错误、Unicode隐形字符干扰、坐标系版本混用

 徐小疼
2026-07-13 14:34:36

 339

 10

#pandas
Python数据分析（十四）：Pandas 数据可视化

摘要： Pandas内置绘图功能通过封装Matplotlib实现高效数据可视化，支持单变量（折线图、柱状图、直方图等）与多变量（散点图、蜂巢图、堆叠图）图表绘制。其优势在于无需数据转换，自动处理索引与标签，并返回Matplotlib的Axes对象供进一步定制。综合案例演示了电商销售数据的趋势分析、品类拆解与折扣相关性探索。相比Matplotlib和Seaborn，Pandas绘图语法简洁，适合快速

 cui_ruicheng
2026-08-05 13:38:07

 278

 6

#信息可视化 #python #数据分析 +1
Python 数据可视化进阶：Matplotlib 高级图形实战指南

在学习了 matplotlib 的基础折线图、散点图后，你是否想让你的数据可视化更具表现力和专业度？本文将带你深入 matplotlib 的“军火库”，解锁几种高级图形的绘制方法和核心知识点，让你的图表瞬间脱颖而出。这篇文章我们从基础的子图布局开始，进阶到展示多维数据的气泡图，深入统计学的直方图与箱线图，最后挑战了3D绘图、等高线、雷达图以及双Y轴技术。掌握这些图形，你将不再受限于简单的 Exce

闻信语
2026-04-24 16:01:06

 632

 15

#信息可视化 #python #开发语言 +3
开源一个Python量化交易项目 - 灵鸢V7逆思维策略

è´¹è¡Œæƒ¥é—¨âœ。

MMlonghao
2026-06-17 07:10:12

 65

 1

#numpy #pandas
零基础学 Python 第17章 | 封装与 property：保护数据安全

1. 核心目标：掌握封装机制，能用私有属性和 property 装饰器保护类内数据安全2. 核心知识点：私有属性（__前缀）、命名重整、property 装饰器、getter/setter、只读属性、数据验证3. 实操产出：银行账户类，通过 property 控制存取款并验证金额合法性4. 前置基础：第16章继承、第15章类与对象

 梅雅达编程笔记
2026-07-20 13:55:04

 364

 6

#python #开发语言 #pandas +1
【Python系列课程】Pandas（一）：Series与DataFrame详解

Pandas是Python数据分析的核心工具，基于NumPy构建，核心数据结构为Series（一维带标签数组）和DataFrame（二维表格）。Series可通过列表、字典、NumPy数组等方式创建，支持位置索引和标签索引访问数据，运算时自动按索引对齐。

程序大视界
2026-05-31 10:32:46

 60

#python #pandas #开发语言
零基础学 Python 第16章 | 继承与方法重写

1. 核心目标：掌握单继承、super()、方法重写与多继承，能用继承复用代码、用重写定制行为2. 核心知识点：单继承语法、super()调用父类、方法重写、多继承、MRO方法解析顺序3. 实操产出：动物王国继承体系（Animal基类+Dog/Cat/Bird子类）4. 前置基础：第15章类与对象（class定义、__init__、实例方法）

梅雅达编程笔记
2026-07-19 13:02:08

 477

 15

#python #开发语言 #pandas +2
Python数据可视化实战：2011—2025年区域经济社会发展多维分析（Pandas+Matplotlib+Seaborn+Pyecharts）

期末数据可视化课程设计，我选择以为研究对象，使用 Python 完成从数据清洗、特征工程到静态图表、统计图表、交互式图表的完整可视化分析流程，最终从经济总量、人口、投资、消费、收入、外贸、财政、就业、物价、民生支出等维度综合评估区域经济社会发展状况。

2401_87345838
2026-08-06 14:48:53

 389

 5

#信息可视化 #python #pandas +1
**发散创新：用Python+Pandas实现BI分析中的动态数据透视与可视化自动化**在

在现代企业数据驱动决策的浪潮中，早已不是仅靠Excel或传统报表工具就能满足的需求。越来越多的数据分析师和开发人员开始借助编程语言的力量，将。本文将以为核心技术栈，深入探讨如何构建一个可复用、易扩展的 BI 分析脚本框架，并通过真实样例代码展示其强大能力。

hai1234yang
2026-04-10 11:52:05

 281

 4

#python #pandas #自动化 +1
Python pandas截取DataFrame任意区间数据

摘要：本文介绍了一个使用Pandas的iloc函数截取DataFrame数据的实用方法。通过封装slice_dataframe函数，可以灵活地截取指定区间的数据：当提供end参数时采用[start:end]左闭右开区间，不提供end时则截取到末尾（包含最后一行）。示例演示了从索引2到5（不含5）和从索引7到末尾的两种截取方式，验证了函数的正确性。该函数封装了iloc的切片逻辑，简化了DataFra

ZXF_H
2026-05-06 21:48:18

 64

 1

#python #pandas #开发语言
Python数据分析实战：Pandas处理缺失值的5个高级技巧（附完整代码）

Python数据分析实战：Pandas处理缺失值的5个高级技巧真实业务数据从来不会干净。今天把我在项目中踩过的坑，一次性整理给你。做数据分析的都知道，数据清洗占整个分析工作量的60-80%。而缺失值处理，又是数据清洗中最常见的问题。很多人遇到缺失值第一反应就是 df.dropna()，一行代码删完。然后呢？数据从10万行变成3万行，分析结论偏差巨大。今天分享5个在真实项目中验证过的高级技巧

 Captain_Data
2026-04-26 10:35:14

 213

 3

#python #数据分析 #pandas
在python 3.8中利用旧版pip.pyz安装pandas

本文介绍了在Python 3.8系统未安装pip时的解决方案。用户下载了兼容的旧版pip-22.3.1.pyz，成功列出了已安装的包。通过配置阿里云镜像源并指定版本范围（如numpy>=1.21,<1.22），解决了新版本pip不支持Python 3.8的问题。安装过程中自动处理了依赖关系，最终成功安装了numpy、pandas和matplotlib等科学计算包。

l1t
2026-04-08 17:52:55

 207

 2

#python #pip #pandas
python实现Excel数据根据规则拆分为多个Excel

本文介绍使用Python快速拆分Excel文件的方法。通过openpyxl和pandas库，实现将销售总表按销售员拆分为独立文件的功能。代码包含两个主要函数：init_excel()用于创建测试数据，生成包含随机销售记录的Excel文件；excel_data_seperate()则根据"销售员"列将总表拆分为多个文件，每个销售员对应一个独立文件。该方法适用于需要按特定列拆分Ex

shenzhenNBA
2026-03-08 17:42:03

 92

#pandas
Python 数据分析必备神器！带你轻松掌握 Pandas，从零到大师！

掌握 Pandas，你就能：快速读取和整理数据高效分析数据趋势做出漂亮的报表和图表数据分析不再是难题，Python + Pandas，让你3分钟搞定Excel都做不到的事！

江沉晚呤时
2026-05-06 16:39:09

 242

 8

#python #matplotlib #pandas
Agent Skill 也要做回归测试：阿里开源 skill-up，开始补上智能体工程的质量短板

Agent Skill 评测工具 skill-up：确保智能体稳定运行的关键阿里开源的 skill-up 项目为 Agent Skill 提供了一套完整的评测与演进工具，解决了智能体开发中的关键质量痛点。核心价值 skill-up 通过声明式用例实现：回归测试 - 确保 Skill 修改后不会退化跨引擎验证 - 保证同一 Skill 在不同 Agent 平台表现一致标准化评测 - 统一分

 测试人子期
2026-07-30 11:01:45

 241

 4

#开源 #测试工具 #测试覆盖率 +2
Python - Pandas如何实现RFM模型

本文介绍了使用Pandas实现RFM客户价值分析模型的完整流程。RFM模型通过最近消费时间(Recency)、消费频率(Frequency)和消费金额(Monetary)三个维度评估客户价值。文章详细演示了从数据准备、RFM指标计算、分箱打分到客户分层的全过程，包括数据清洗、分组聚合、分位数切割等关键步骤，并提供了Python代码示例。最终根据RFM总分将客户划分为"重要价值客户&quo

Urien_Zhang
2026-04-03 13:10:59

 190

 3

#python #pandas #开发语言
零基础学 Python 第10章 | 函数进阶：参数灵活用法与作用域

核心目标：掌握函数参数的灵活用法与变量作用域，能写出更通用、更健壮的自定义函数核心知识点：默认参数、关键字参数、*args、**kwargs、参数顺序规则、全局/局部变量、函数嵌套、global关键字实操产出：可配置的学生信息统计工具，支持任意数量成绩统计与格式控制前置基础：第9章函数定义与调用、第7章字典、第4-5章循环与条件

 梅雅达编程笔记
2026-07-15 15:29:25

 588

 20

#python #开发语言 #pandas +2
【Python】pandas Week 8 - 2：数据筛选与选择（2）

修改视图（SettingWithCopyWarning）字符串方法（需指定 engine='python'）筛选出2024年1月的数据（假设有date列）筛选出销售额大于10000的记录。筛选出产品名包含"金"字的产品。引用外部变量（用 @ 符号）筛选出华南区和华东区的数据。连续筛选建议合并为一个。

Garcia Shan
2026-04-20 15:04:29

 449

 14

#python #pandas #开发语言
如何用 Python + QuantDash 快速构建高胜率“配对交易（Pairs Trading）”策略？

本文介绍了一种利用配对交易策略在波动市场中实现套利的方法，重点分析了白酒行业龙头股贵州茅台与五粮液的协整关系。通过Python和QuantDash平台，文章详细展示了从数据获取、协整检验到交易信号生成的全流程：1. 获取两只股票历史数据并进行协整性检验 2. 计算滚动价差和Z-Score指标 3. 设置±2为交易阈值信号（Z>2做空高价股/做多低价股，Z<-2反向操作） 4. 价差回归

 weixin_45515140
2026-07-14 07:28:38

 284

 8

#python #开发语言 #人工智能 +2
Python-pandas-分组与聚合

Pandas分组聚合操作摘要本文介绍了Pandas中强大的分组聚合功能，主要包含以下内容：分组基础：使用df.groupby()创建分组对象，支持单列或多列分组，可查看分组信息（groups/indices/ngroups）聚合操作：基本聚合函数（sum/mean/count等） agg()多函数聚合（函数列表/字典/命名聚合）内置字符串聚合函数自定义聚合函数其他分组操作： tran

菜冻鱼
2026-08-03 10:52:32

 417

 3

#python #pandas #开发语言 +2
Python数据分析（八）：Pandas 数据清洗与预处理

摘要本文系统介绍了Pandas数据清洗的核心方法，包含四个关键环节：1）数据导入导出：详细讲解CSV/Excel/JSON文件的读写操作，重点解决中文乱码和冗余列问题；2）缺失值处理：演示isna检测、dropna删除及fillna填充等完整流程；3）重复值处理：通过duplicated检测和drop_duplicates删除重复记录，支持按关键列去重；4）数据类型转换：涵盖astype强制转换

 cui_ruicheng
2026-07-31 10:39:03

 527

 23

#python #数据分析 #pandas
零基础学 Python 第11章 | 匿名函数与高阶函数

核心目标：掌握 lambda 与 map/filter/sorted，用简洁代码完成批量数据处理核心知识点：lambda 语法、map() 映射、filter() 过滤、sorted() 排序及 key 参数实操产出：计算器（lambda 四则运算）+ 密码强度校验（高阶函数批量处理）前置基础：第10章函数进阶（参数、返回值、作用域）、第4章循环、第6章列表

 梅雅达编程笔记
2026-07-16 15:30:17

 542

 16

#python #开发语言 #pandas +2
【Python数据科学实战之路】第15章 | PySpark大数据处理：分布式计算入门

本文介绍了PySpark的基础知识和实践应用。首先概述了大数据概念和Spark的优势，相比Hadoop MapReduce，Spark在速度、易用性和通用性方面更优。接着详细讲解了PySpark环境搭建、RDD编程基础（包括创建、转换和行动操作）以及DataFrame和Spark SQL的使用方法。最后简要介绍了Spark MLlib机器学习库，包括特征工程和逻辑回归示例。文章提供了大量代码示例和

 所谓伊人，在水一方333
2026-03-10 08:04:20

 299

 10

#python #开发语言 #pandas +2
Python Pandas读取Excel Sheet生成SQL WHERE条件

字段 IS NULL。

weixin_30777913
2026-07-14 12:49:47

 235

 6

#python #sql #pandas +1
数据清洗实战：Python pandas业务级清洗框架与避坑指南

数据清洗是数据科学工作流中决定分析可信度的基础环节，其本质并非格式整理，而是将隐性业务规则显性化、结构化表达的过程。理解缺失值的三类业务语义（技术性/逻辑性/结构性）、时间字段的时区与模糊日期处理、字符串中的不可见字符与多义缩写识别，是构建鲁棒清洗逻辑的关键原理。基于pandas的模块化.pipe()链式设计，可实现Schema层、业务层与模型层的物理隔离，兼顾可调试性与工程复用性。该方法已在电商

 随缘惜情
2026-06-06 12:18:39

 297

 6

#pandas
Python自动筛选Excel数据并生成新表格，含可运行代码和真实样例文件

用Python快速完成Excel数据筛选任务，比如只保留数值大于1000的行，并自动导出到新工作表或独立文件。提供两个即用型脚本：12.py（命令行运行）和12.ipynb（Jupyter交互式操作），都基于pandas和openpyxl实现，不依赖Excel软件，纯Python环境就能跑。配套原始数据‘每月物料表.xlsx’、结果模板‘模板.xlsx’，以及已生成的样例文件‘每月(大于1K).x

moon
2026-07-14 04:49:54

 210

 7

#pandas
Python-pandas-文本处理

Pandas 文本处理摘要 Pandas 提供 .str 访问器实现向量化字符串操作，支持常见文本处理功能：基础操作：大小写转换、长度计算切片索引：位置切片、安全取值查找判断：包含检测、正则匹配、首尾判断提取替换：正则分组提取、模式替换拆分拼接：分隔符拆分、多列拼接清理修整：去空格、填充对齐、文本换行大小写转换：支持多种格式转换数值处理：数字检测与提取 .str 方法自动处理 Na

菜冻鱼
2026-08-04 10:46:17

 262

 7

#python #pandas #开发语言 +2
零基础学 Python 第 4 章 | for 循环与 range()：让程序帮你重复干活

核心目标：学会用 for 循环让程序自动重复执行任务，告别复制粘贴核心知识点：for 循环语法 / range() 三种用法 / 遍历字符串与列表 / break 跳出 / continue 跳过 / 循环搭配 if 判断实操产出：能独立写出九九乘法表、成绩批量统计、密码尝试拦截等实用小程序前置基础：第 2 章 print / 变量 / input，第 3 章 if / elif / else 条

 梅雅达编程笔记
2026-07-11 14:07:25

 542

 10

#python #开发语言 #pandas +2
Python CSV处理全攻略：从csv模块到pandas的实战技巧与避坑指南

CSV（逗号分隔值）文件是数据交换和存储的通用格式，其结构简单、易于读写，是数据处理的基石。理解CSV的编码、分隔符和引号规则是处理数据的基础原理。掌握CSV处理技术能极大提升数据工作的自动化效率和可靠性，广泛应用于数据分析、日志处理和系统间数据交换等场景。本文聚焦Python生态中的两大核心工具：标准库的csv模块以其轻量、内存友好的特性，适合流式处理和精细控制；而pandas库则凭借其强大的D

weixin_34289454
2026-07-29 14:38:05

 288

 8

#pandas
Python数据分析和数据处理库Pandas（透视表）

透视表是一种数据汇总工具，可通过行列分组对数据进行聚合分析。Python的pivot_table()函数提供values、index、columns等参数控制数据分组和聚合方式。本文以睡眠质量数据集为例，演示如何通过睡眠时间、压力等级等维度分析睡眠质量，并展示如何添加职业、性别等维度构建多维透视表。案例中使用了cut()函数对连续变量进行离散化处理，并采用mean作为默认聚合函数，帮助用户理解透视

 Yu_Lijing
2026-04-26 16:58:20

 377

 11

#数据分析 #pandas #数据挖掘 +1
拒绝做“盯着盘看”的社畜！用 Python 快速撸一个股票实时异动“弹窗报警器”

这篇文章介绍了一个用Python编写的股票实时异动监控工具，帮助上班族在不盯盘的情况下及时获取股票价格波动提醒。文章首先指出上班族盯盘的痛点，然后介绍了解决方案：利用Python的plyer库和QuantDash的Python SDK开发一个自动监控系统。该系统每15秒获取一次股票实时数据，当价格波动超过设定阈值时触发电脑弹窗通知。文章详细讲解了代码实现逻辑，包括初始化基准价格、监控循环和弹窗提醒

 weixin_45515140
2026-07-15 07:03:36

 301

 14

#python #开发语言 #人工智能 +2
Python八种常用的可视化图表的绘制

【代码】Python可视化图表的绘制。

2301_80175386
2026-07-06 11:49:33

 376

 15

#python #开发语言 #pandas
Python数据分析避坑指南：如何快速解决pandas与numpy版本冲突导致的DLL加载失败

本文详细解析了Python数据分析中常见的pandas与numpy版本冲突导致的DLL加载失败问题，提供了从诊断到解决的完整方案。通过版本兼容性矩阵、四步修复法和高级环境管理技巧，帮助开发者快速解决版本不协调问题，确保数据分析工作流畅进行。

t8u9v0
2026-02-25 12:16:52

 986

 19

#pandas #numpy
LLM系列：1.python入门：14.Pandas

Pandas是基于NumPy的数据分析工具包，核心数据结构包括Series、Index和DataFrame。Series是一维带标签数组，具有values、index、dtype和name等属性，可通过loc和iloc进行索引操作。DataFrame是二维表格数据的主要表示形式。Pandas提供数据创建、索引访问、重命名、复制等基本操作，支持显式和隐式索引，并可通过in关键字检查索引存在性。这些功

 小糖学代码
2026-04-18 01:12:59

 577

 18

#pandas #python
Python数据分析（十）：Pandas 数据统计与 GroupBy

本文深入讲解Pandas数据统计与分组聚合的核心技术，重点介绍了Split-Apply-Combine范式。主要内容包括：1）基础统计方法（mean/sum/count等）与GroupBy机制原理；2）单列/多列分组聚合操作及分组数据查看方法；3）进阶分组计算技术：agg多重聚合、transform组内广播转换、filter分组过滤；4）通过部门薪酬分析综合案例，演示如何组合使用这些技术解决实际问

 cui_ruicheng
2026-08-02 09:57:19

 343

 10

#python #数据分析 #pandas
【Python数据科学实战之路】第4章 | Pandas高级：数据处理的艺术

定义自定义聚合函数"""计算极差"""def cv(x):"""计算变异系数""""""计算90分位数"""# 应用自定义函数('总和', 'sum'),('均值', 'mean'),('极差', range_calc),('变异系数', cv),])print("自定义聚合：")

所谓伊人，在水一方333
2026-03-08 08:05:17

 357

 11

#python #pandas #开发语言