登錄官網(wǎng),documentation,學(xué)習(xí)更多內(nèi)容。
學(xué)了這個課程,發(fā)現(xiàn)自己忘了好多數(shù)學(xué)知識。最優(yōu)化求解,單純型辦法,插值,矩陣分解……
哈哈,突然想到插值里的龍格現(xiàn)象……看來要復(fù)習(xí)一下了~~/(ㄒoㄒ)/~~
學(xué)了這個課程,發(fā)現(xiàn)自己忘了好多數(shù)學(xué)知識。最優(yōu)化求解,單純型辦法,插值,矩陣分解……
哈哈,突然想到插值里的龍格現(xiàn)象……看來要復(fù)習(xí)一下了~~/(ㄒoㄒ)/~~
2017-11-16
#missing values
df1=df.reindex(index=dates[:4],columns=list("ABCD"+["G"]))
df1.loc[dates[0]:dates[1],"G"]=1 #給1和2行1列賦值=1
缺失值 NaN
廢棄或者填充
df1.dropna() #廢棄
df1.fillna(values=1) #填充確實值為1
df1=df.reindex(index=dates[:4],columns=list("ABCD"+["G"]))
df1.loc[dates[0]:dates[1],"G"]=1 #給1和2行1列賦值=1
缺失值 NaN
廢棄或者填充
df1.dropna() #廢棄
df1.fillna(values=1) #填充確實值為1
2017-10-31
看懂了在哪里進行實例演練呀
def.loc[:,"D"]=np.array([4]*len(df)) #將D列全部改為4
def.loc[:,"D"]=np.array([4]*len(df)) #將D列全部改為4
2017-10-31
typr(df["A"]) #A列的屬性
dataframe是由series組成的 而series是dataframe的個例
dataframe是由series組成的 而series是dataframe的個例
2017-10-31
axis=1,ascending=False是什么意思??
其中axis=1表示對所有的columns進行排序,下面的數(shù)也跟著發(fā)生移動。后面的ascending=False表示按降序排列,參數(shù)缺失時默認升序。
其中axis=1表示對所有的columns進行排序,下面的數(shù)也跟著發(fā)生移動。后面的ascending=False表示按降序排列,參數(shù)缺失時默認升序。
2017-10-31