原创 matplotlib 一些解釋子圖與散點圖 ——scatter()、xlim()
首先,畫圖需要生成一個圖(可理解爲畫布或進程),此參數可以無需設置,如未設置 pyplot 會自動幫你創建一個。接下來,要決定在圖中哪個位置畫圖,畫多大的圖。這就引入座標點和大小的概念,整個圖中按照 X 與 Y軸橫豎來平均切分,以 0 到
原创 panda庫中 reindex重新定義索引函數相關用法
#!/usr/bin/env python # -*- coding:utf-8 -*- import pandas as pd import numpy as np def main(): dates = pd.date_r
原创 pandas 時間序列、繪圖、存儲文件 date_range()
pandas.date_range(start=None, end=None, periods=None, freq=’D’, tz=None, normalize=False, name=None, closed=None, **kwa
原创 matplotlib餅狀圖——pie()
#pie fig.add_subplot( 3, 3, 3) n = 20 Z = np.ones(n) Z [ - 1 ] * = 2 plt.pie(Z,爆炸 = Z * 0.05,顏色 = [ '%F' %(I / 浮動(n)
原创 matplotlib極值圖畫法 ——polar()
#!/ usr / bin / env python # - * - coding:utf-8 - * - import numpy as np import matplotlib.pyplot as pltdef ma
原创 matplotlib柱狀圖相關用法——bar()
#encoding = utf-8# import numpy as np 將 matplotlib.pyplot導入爲 pltfig.add_subplot(3,3,2) n = 10 X = np.arange(n) Y1 =(1
原创 matplotlib熱圖繪製——inshow()相關用法
#!/ USR / bin中/ env的蟒 # - * -編碼:UTF-8 - * - 進口 numpy的作爲 NP 進口 matplotlib.pyplot作爲 PLT DEF主(): 數據 = np.random.ran
原创 matplotlib——熱圖hot map contour() 以及圖像存儲
#!/ usr / bin / env python # - * - coding:utf-8 - * - import numpy as np import matplotlib.pyplot as plt def
原创 matplotlib figure定義一張大的畫布 axex/subplot是子圖
#!/ usr / bin / env python # - * - coding:utf-8 - * - import numpy as np import matplotlib.pyplot as plt from
原创 scipy-interpolation scipy插值運算
Scipy還是需要較強的數學基礎。需要學習。 #!/usr/bin/env python # -*- coding:utf-8 -*- import numpy as np import matplotlib.pyplot as plt
原创 pandas庫中shift()、diff()等函數的用法
# Statistic# print (df.mean())# 所有屬性的均值 # print (df.var())# 屬性的方差 # s = pd.Series([1, 2, 4, np.nan, 5, 7, 9, 10], index
原创 SQL初級基礎
SQL基礎l 選擇數據,SELECT語句SELECT LastName,FirstName FROM PersonsSELECT * FROM Persons l 返回不同的值,去除重複值SELECTDISTINCTSELECT DI
原创 pandas庫中concat()、merge()、groupby()、pivot_table()相關用法
#!/usr/bin/env python # -*- coding:utf-8 -*- import pandas as pd import numpy as np import datetime def main(): da
原创 Access進階 主要是一些數據庫原理的鞏固
一次正規化:縱向尋找重複的數據的記錄 e.g 客戶編號、姓名二次正規化:找出數據絕對依賴的數據 e.g 商品的基本數據信息三次正規化:數據表中相依字段 不一定是1對1,有可能是1:多的關係 e.g 商品分類,商品代碼過度正規化:
原创 Pandas建立dataframe\ series\ 及相應操作 切片、排序、複製、修改
#!/usr/bin/env python # -*- coding:utf-8 -*- import pandas as pd import numpy as np def main(): # Data Structure#