推荐Python数据框Pandas视频教程

简介: 若要独立用 Python 处理数据科学问题,Pandas 是绕不过去的。新番今天,花了一上午的时间,跟着这个 Youtube 系列教程,学习了 Pandas 中级技巧。
img_09acbf97db25a23fc51293b7c5fa3d02.png

若要独立用 Python 处理数据科学问题,Pandas 是绕不过去的。

新番

今天,花了一上午的时间,跟着这个 Youtube 系列教程,学习了 Pandas 中级技巧。

img_706ba2da3d3e505fea6fbc4a736876a4.png

视频来自于 Data School。发布者是 Kevin Markham

img_89ec4501f7fea199c86950fb653dc770.png

在这个系列视频教程里, Kevin 将自己的 PYCON 2018 workshop 分成了10个部分全部精剪后释出。一步步带你领略 Pandas 的魅力。

我用了2个多小时,完成了他10个视频的全部内容。

收获颇丰。

利用教程中提到的美国交通警务数据来自于斯坦福开放警务项目(THE STANFORD OPEN POLICING PROJECT)。

img_764b348fbb930235cc83989326978654.png

这是数据大概的样子:

img_03be6936500889cb1b1951d4863e64e1.png

一步步按照 Kevin 的指令练习,你可以完成这些内容:

分析男女司机的交通违规都包括哪些类别?每一类占比如何?

img_adff33ab71165f1ebe494b21e871af66.png

那些被搜查车辆的男女司机,各是由于什么原因?

img_8c257bdcb03be95676c634155ec0953a.png

哪个时段,警察发现违规的数量最多?

img_72b9b90f2de7176a61db25c2375289e6.png

不同违规行为里,司机年龄是如何分布的?

img_b5e2329b8cdd80e0c07a0cbe5921ba32.png

这些分析结果,只是这个教程的一小部分而已。

更妙的是,上述这些图形,几乎都是利用两三条 Pandas 语句,就可以做出。有的只需要一条就可以。

怎么样?有没有想学习的冲动?

教程与 ipynb 文件,都可以从这个github repo下载。

img_a8975cdfb5ac9e968ba18bd9d43402d7.png

安装好 Anaconda 3之后,你就可以打开一个 Jupyter Notebook,跟着视频一起做了。

老友

说说我是怎么找到这么好的视频教程的。

其实一点儿也不稀奇。

目录
相关文章
|
2天前
|
Python
python pandas学习(一)
该代码段展示了四个主要操作:1) 删除指定列名,如商品id;2) 使用正则表达式模糊匹配并删除列,例如匹配订单商品名称1的列;3) 将毫秒级时间戳转换为带有时区调整的日期时间格式,并增加8小时以适应本地时区;4) 将列表转换为DataFrame后保存为Excel文件,文件路径和名称根据变量拼接而成。
16 3
|
3月前
|
数据采集 存储 数据挖掘
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第27天】在数据分析领域,Python的Pandas库因其强大的数据处理能力而备受青睐。本文介绍了Pandas在数据导入、清洗、转换、聚合、时间序列分析和数据合并等方面的高效技巧,帮助数据分析师快速处理复杂数据集,提高工作效率。
116 0
|
1月前
|
存储 数据挖掘 数据处理
Python Pandas入门:行与列快速上手与优化技巧
Pandas是Python中强大的数据分析库,广泛应用于数据科学和数据分析领域。本文为初学者介绍Pandas的基本操作,包括安装、创建DataFrame、行与列的操作及优化技巧。通过实例讲解如何选择、添加、删除行与列,并提供链式操作、向量化处理、索引优化等高效使用Pandas的建议,帮助用户在实际工作中更便捷地处理数据。
47 2
|
3月前
|
数据采集 数据可视化 数据处理
Python数据科学:Pandas库入门与实践
Python数据科学:Pandas库入门与实践
|
3月前
|
机器学习/深度学习 数据采集 数据可视化
Python数据科学实战:从Pandas到机器学习
Python数据科学实战:从Pandas到机器学习
|
3月前
|
机器学习/深度学习 数据采集 数据挖掘
解锁 Python 数据分析新境界:Pandas 与 NumPy 高级技巧深度剖析
Pandas 和 NumPy 是 Python 中不可或缺的数据处理和分析工具。本文通过实际案例深入剖析了 Pandas 的数据清洗、NumPy 的数组运算、结合两者进行数据分析和特征工程,以及 Pandas 的时间序列处理功能。这些高级技巧能够帮助我们更高效、准确地处理和分析数据,为决策提供支持。
73 2
|
3月前
|
数据采集 数据可视化 数据处理
如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`)
本文介绍了如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`),加载历史数据,计算均线和其他技术指标,实现交易逻辑,记录和可视化交易结果。示例代码展示了如何根据均线交叉和价格条件进行开仓、止损和止盈操作。实际应用时需注意数据质量、交易成本和风险管理。
157 5
|
3月前
|
存储 数据挖掘 数据处理
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第26天】Python 是数据分析领域的热门语言,Pandas 库以其高效的数据处理功能成为数据科学家的利器。本文介绍 Pandas 在数据读取、筛选、分组、转换和合并等方面的高效技巧,并通过示例代码展示其实际应用。
84 2
|
3月前
|
数据采集 数据可视化 数据挖掘
Python数据分析:Pandas库实战指南
Python数据分析:Pandas库实战指南
|
3月前
|
并行计算 数据挖掘 大数据
Python数据分析实战:利用Pandas处理大数据集
Python数据分析实战:利用Pandas处理大数据集