小王子大人-CSDN博客

原创 DataFrame的索引属性

摘要：DataFrame的索引属性loc[]和iloc[]分别用于显示索引（按标签）和隐式索引（按位置）。loc[]索引从1开始，iloc[]从0开始。示例中创建了一个DataFrame，使用loc[4]获取bob行信息，而iloc[3]实现相同效果，展示了两种索引方式的区别和用法。

2026-01-07 18:21:30 258

本文介绍了DataFrame的8个核心属性：index（行索引）、values（值）、dtypes（元素类型）、shape（形状）、ndim（维度）、size（元素个数）、columns（列标签）和T（转置）。通过示例代码演示了如何创建DataFrame并查看这些属性值，包括获取索引、列名、数据类型等基本信息，以及使用T属性实现行列转置。这些属性是DataFrame数据结构的基础操作，对数据处理和分析具有重要意义。

2026-01-07 18:10:32 145

原创 DataFrame的创建方式

本文介绍了三种创建Pandas DataFrame的方法：1）通过Series合并创建，将多个Series组合成字典形式；2）直接使用字典创建，键作为列名，值作为数据；3）通过columns参数指定列顺序，同时可用index参数自定义索引。每种方法都提供了示例代码和运行结果图示，展示了如何构建结构化数据表。这些方法灵活实用，可根据不同数据源和需求选择适合的创建方式。

2026-01-05 17:47:09 180

原创 Series的常用方法简介（二）

本文介绍了Pandas Series的8个常用方法：value_counts()统计值频次、count()计算非缺失值、nunique()获取唯一值数量、unique()返回去重数组、drop_duplicates()删除重复项、sample()随机抽样、sort_index()索引排序和sort_values()值排序。通过示例代码演示了这些方法的使用，包括创建Series、排序操作、去重处理及统计计算等。这些方法为数据分析提供了基础的数据处理和统计功能，适用于数据清洗、探索性分析等场景。

2026-01-05 17:39:33 346

原创 python for循环实现九九乘法表

本文介绍了如何使用Python的for循环实现九九乘法表。通过嵌套循环结构，外层循环控制行数，内层循环控制每行的乘法运算，并使用格式化字符串输出结果。代码简洁高效，运行后能正确打印出完整的九九乘法表。示例中还包含了代码运行结果的图片展示，直观呈现了程序输出效果。这种方法体现了Python处理循环结构的优势，适合初学者学习基础编程逻辑。

2026-01-02 18:10:48 168

原创使用python for循环与ord() + chr()实现字符串加密

本文介绍了一种使用Python for循环实现简单字符串加密的方法。通过ord()和chr()函数，将输入字符串中的每个字符ASCII码值加1进行加密。代码示例展示了如何获取用户输入，遍历字符串进行加密处理，并输出加密结果。该方法实现了基础的字符位移加密，适用于初学者理解字符串处理和简单加密原理。运行结果展示了加密前后的字符串对比。

2026-01-02 18:05:55 221

原创 Series的常用方法简介（一）

摘要：本文介绍了Pandas Series的14种常用方法，包括数据查看(head/tail)、缺失值检测(isna)、统计计算(mean/sum等)和数据分析(describe/quantile)等功能。通过示例代码演示了如何创建Series对象并应用这些方法，如计算平均值、标准差、分位数等统计指标，以及判断元素是否存在(isin)和缺失值处理。文中包含对应的代码运行结果截图，直观展示了各方法的输出效果，为数据分析和处理提供了实用参考。

2025-12-15 14:56:13 265

原创 Series的属性简介

摘要：本文介绍了Pandas Series的核心属性及索引方法。Series的主要属性包括index（索引）、values（值）、dtypes（数据类型）、shape（形状）、ndim（维度）、size（元素个数）和name（名称）。在索引访问方面，提供了loc[]（标签索引）、iloc[]（位置索引）、at[]（标签访问单个元素）和iat[]（位置访问单个元素）四种方式。通过示例代码演示了如何创建Series，并展示了不同索引方法的使用效果，包括显示索引、隐式索引以及单个元素的访问操作。

2025-12-15 14:36:50 373

原创 Series创建

Pandas中的Series是一种一维标记数组，可以存储各种数据类型。本文介绍五种创建Series的方法：1）基本列表创建；2）自定义索引创建；3）添加name属性；4）通过字典创建；5）引用其他Series创建。每种方法都提供了示例代码和运行结果，展示了如何生成带有默认索引、自定义索引或特定名称的Series对象，以及如何通过字典或其他Series来构建新的Series。这些方法为数据分析和处理提供了灵活的选择。

2025-12-01 15:51:15 225

原创 pandas简介

Pandas是一个基于NumPy的高性能Python数据分析库，提供Series和DataFrame两种核心数据结构。它具备高效处理大型数据集的能力，支持数据对齐、缺失值处理、时间序列操作等功能。DataFrame作为二维表格结构（行索引+列名）比一维的Series更常用，两者都构建在快速NumPy数组之上。Pandas广泛应用于金融、统计等领域，支持从多种文件格式加载数据，并提供类似SQL的数据操作功能，是Python数据分析的重要工具。

2025-12-01 15:33:32 261

原创 numpy -- argmax()、argmin()简介

NumPy的argmax()和argmin()函数用于返回数组中最大值和最小值的索引。argmax()返回最大值索引，argmin()返回最小值索引，可以沿指定轴(axis=0/1)操作。示例展示了在二维数组中查找全局极值索引，以及沿行(axis=1)和列(axis=0)方向查找极值索引的用法。这两个函数在处理多维数组时非常实用，能快速定位极值位置，是数据分析中的常用工具。

2025-10-28 18:03:30 194

原创 numpy -- max()、min()简介

NumPy的max()和min()函数用于计算数组元素的最大值和最小值。max()返回沿指定轴的最大值，min()返回最小值。示例展示了两种用法：1)对整个数组求极值；2)按行(axis=1)或列(axis=0)求极值。运行结果验证了函数能正确返回数组全局极值及各轴向极值。这两个函数是NumPy数值计算的基础工具，支持多维数组操作。

2025-10-28 17:57:48 283

原创 numpy排序函数argsort()介绍

摘要： argsort()函数对数组沿指定轴间接排序，返回排序后的索引数组，用于重构排序结果。示例展示了使用该函数对数组进行排序的应用场景及效果。

2025-10-14 18:02:21 128

原创 numpy排序函数sort()介绍

numpy的sort()函数用于对数组进行排序，返回排序后的副本。主要参数包括：a(待排序数组)、axis(排序轴，0按列/1按行)、kind(排序算法，默认快速排序)、order(按字段排序)。该函数支持多维数组排序，不改变原数组而是返回新数组。示例展示了如何使用sort()对数组进行行、列排序操作。

2025-10-14 17:57:31 264

原创 numpy -- average()函数简介

average()函数用于计算数组元素的加权平均值，通过将各元素与其对应权重相乘后求和，再除以权重总和得到结果。对于一维数组如[1,2,3,4]和权重[4,3,2,1]，计算过程为(1*4+2*3+3*2+4*1)/(4+3+2+1)。该函数支持多维数组并可通过轴参数指定计算维度，未指定时数组将被展开处理。示例包含一维和多维数组的计算演示。

2025-10-10 18:45:28 415

原创 numpy -- 统计函数 mean() 函数简介

mean()函数用于计算数组元素的算术平均值。若指定轴参数，则沿该轴方向计算均值。图示展示了该函数的应用场景及效果。该功能适用于数据统计分析场景，能快速获取数据集的集中趋势特征。

2025-10-10 18:37:20 362

原创 numpy -- 统计函数 median() 求中值

median()函数用于计算数组元素的中位数（中间值）。对于奇数个元素，返回中间值；偶数个元素则返回中间两个数的平均值。示例展示该函数的具体应用场景和计算结果。

2025-10-09 18:44:38 153

原创 numpy -- 统计函数 amax()、amin() 和 ptp() 简要介绍

NumPy中的三个常用数组计算函数： amax() - 返回数组沿指定轴的最大值 amin() - 返回数组沿指定轴的最小值 ptp() - 返回数组最大值与最小值的差（峰-峰值）这些函数支持沿指定轴计算，适用于多维数组处理。示例展示了它们在数组计算中的实际应用。

2025-10-09 18:41:15 366

原创 numpy -- 算术函数 mod()、remainder() 使用方法

mod()和remainder()函数用于计算数组中对应元素相除后的余数。这两个函数能够对数组中的每个元素进行逐个求余运算，返回余数值组成的新数组。示例展示了该函数的实际应用效果，通过可视化结果可以直观地看到元素间的求余运算结果。这类函数在数据处理和数值计算中非常实用，能方便地实现批量求余操作。

2025-10-08 21:44:57 233

原创 numpy -- 算术函数 reciprocal() 和 power() 简介

本文介绍了两个数学函数：reciprocal()返回分数的逐元素倒数，power()计算第一个数组中元素与第二个数组对应元素的幂次方。两个函数都支持数组操作，文中提供了示例图片说明其具体应用场景和使用方法。

2025-10-08 21:41:39 335

原创 numpy -- 算术函数 add(), subtract(), multiply(), divide() 简介

本文介绍了numpy的四个基础数学运算函数：add()（加法）、subtract()（减法）、multiply()（乘法）和divide()（除法）。通过示例图片展示了这些函数的实际应用场景，帮助读者直观理解其功能实现方式。这些函数可用于开发基础计算功能，是编程中常用的数学运算方法。

2025-10-05 16:49:27 172

原创 numpy -- 数学函数 floor() 和 ceil() 简介

本文介绍了numpy的两种数学取整函数：floor()和ceil()。floor()实现向下取整，返回不大于输入参数的最大整数（如3.7取整为3）；ceil()实现向上取整，返回不小于输入参数的最小整数（如3.2取整为4）。文中指出Python的floor()总是向0方向取整，并附有示例图示说明两个函数的运算效果。这些函数在数值处理中非常实用，能帮助开发者快速实现精确的取整操作。

2025-10-05 16:45:48 335

原创 numpy -- 字符串函数 split()、splitlines() 和 strip() 简介

文章介绍了三种常用的Python字符串处理方法： split() - 按指定分隔符分割字符串并返回数组列表； splitlines() - 按换行符分割字符串返回行列表； strip() - 移除字符串首尾的特定字符。每种方法均配有示例图片说明其用法。这些方法在字符串处理中非常实用，可灵活实现字符串的分割和清理操作。

2025-10-03 09:53:23 600

原创 numpy -- 字符串函数 lower() 和 upper() 简介

NumPy提供专门的字符串处理函数(numpy.char)，基于Python内置方法实现。主要包括：lower()将数组元素转为小写，upper()转为大写。这两个函数能对数组中的字符串元素进行批量大小写转换操作，示例展示了具体应用效果。这些函数扩展了NumPy在字符串处理方面的能力。

2025-10-03 09:46:33 237

原创 numpy -- 字符串函数 capitalize() 和 title() 简介

NumPy提供了专门的字符串处理函数(numpy.char)，基于Python内置方法实现。其中capitalize()将字符串首字母大写，title()则将每个单词首字母大写。这些函数能够高效处理数组中的字符串元素，保持了NumPy的高性能特性。演示图示展示了函数的具体效果，便于理解和使用。这些方法为科学计算中的文本处理提供了便利工具。

2025-09-30 18:43:58 259

原创 numpy -- 字符串函数 add()与multiply()

NumPy提供了专门的字符串处理函数(numpy.char)，基于Python内置字符串方法实现。主要包括add()函数用于数组元素间的字符串拼接，以及multiply()函数实现字符串的重复拼接操作。这些函数针对NumPy数组进行了优化，能够高效处理批量字符串操作，补充了Python原生字符串方法在数组处理上的不足。

2025-09-30 18:36:01 134

原创 numpy -- 数组操作之分割数组

本文介绍了NumPy中分割数组的三种方法：1) split()函数可沿指定轴将数组分割为子数组，参数包括被分割数组、切分位置/数量及轴向；2) hsplit()用于水平分割数组；3) vsplit()用于垂直分割数组。每种方法都配有示例展示具体用法，帮助理解如何按不同方式拆分数组。这些函数为数组操作提供了灵活的维度控制能力。

2025-09-26 17:35:09 324

原创 numpy -- 数组操作之连接数组

NumPy提供了多种数组连接方法： concatenate()沿指定轴连接同形状数组 stack()沿新轴连接数组序列 hstack()水平堆叠数组 vstack()垂直堆叠数组各方法通过axis参数控制连接方向，适用于不同维度的数组操作，文中配图展示了具体使用示例。这些函数是NumPy处理多维数组数据的重要工具。

2025-09-26 17:25:38 156

原创 numpy -- 修改数组形式

Numpy提供了多种修改数组形状的方法：1) reshape()不改变数据只修改形状，支持按行/列等顺序；2) flatten()展平数组并创建副本，修改不影响原数组；3) ravel()展平数组返回视图，修改会影响原数组。三个函数都支持'C'(行)、'F'(列)等排序方式，主要区别在于是否创建副本或视图。示例展示了二维数组的展平操作，演示了不同方法对原数组的影响。

2025-09-25 19:45:05 223