Python數(shù)據(jù)分析,numpy、pandas及其思維導(dǎo)圖

在工作的過程中,發(fā)現(xiàn)numpy和pandas確實(shí)功能很強(qiáng)大,但是自己掌握的不是很熟練,搞得效率很低,所以需要瘋狂的練習(xí)Python的科學(xué)計(jì)算庫(kù)。復(fù)習(xí)的過程中,發(fā)現(xiàn)了很多很有用的資源,比如numpy、pandas的一些習(xí)題:
教程系列Python3數(shù)據(jù)分析教程實(shí)戰(zhàn)數(shù)據(jù)和該教程配套的代碼放到了github上(https://github.com/zjdian/data-analysis
numpy100題https://github.com/rougier/numpy-100
pandas練習(xí)題https://github.com/guipsamora/pandas_exercises
seabornhttps://github.com/mwaskom/seaborn

下面就總結(jié)和說明一下常用的東西:

1、numpy的思維導(dǎo)圖:

numpy的思維導(dǎo)圖

2、Series的思維導(dǎo)圖

Series的思維導(dǎo)圖

3、DataFrame的思維導(dǎo)圖

DataFrame思維的導(dǎo)圖

4、數(shù)據(jù)清洗的思維導(dǎo)圖

數(shù)據(jù)清洗思維導(dǎo)圖

后續(xù)有什么總結(jié),還會(huì)繼續(xù)更新。

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成,瀏覽時(shí)請(qǐng)結(jié)合常識(shí)與多方信息審慎甄別。
平臺(tái)聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點(diǎn),簡(jiǎn)書系信息發(fā)布平臺(tái),僅提供信息存儲(chǔ)服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容