GitHub排名前20的Pandas, NumPy 和SciPy函数

简介:


◆ ◆ 

Pandas






1)Dataframe: 创建一个dataframe对象


6) 合并:合并dataframe



◆ ◆ 

NumPy



3)arange: 在两个限值之间创建一个均等间隔值的数组。

8) mean:得到一个列表/数组所有数值的平均值或者行或列的平均值。

SciPy


 1)stats: 一个包含不同统计函数和分布的模块(连续和离散)。 

5)linalg: 此外,这个模块包含线性代数函数,包括inverse (linalg.inv),determinant(linalg.det),,和matrix/vector norm (linalg.norm)以及eigenvaluetools,例如:linalg.eig。

6)interpolate: 一个包含样条曲线和其它插值工具的模块。


8)signal: 这个模块必须直接引用,它包含信号处理工具。

 

10)misc: 一个包含了“仅在此出现的实用函数”的模块。基于谷歌搜索结果,人们常用misc.imread 和 mics.imsave来打开和保存图片。

 

 原文发布时间为:2016-09-23

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号


相关文章
|
1月前
|
数据处理 Python
在数据科学领域,Pandas和NumPy是每位数据科学家和分析师的必备工具
在数据科学领域,Pandas和NumPy是每位数据科学家和分析师的必备工具。本文通过问题解答形式,深入探讨Pandas与NumPy的高级操作技巧,如复杂数据筛选、分组聚合、数组优化及协同工作,结合实战演练,助你提升数据处理能力和工作效率。
44 5
|
1月前
|
Python
|
1月前
|
Python
|
1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。
47 2
|
1月前
|
Python
Pandas 常用函数-数据合并
Pandas 常用函数-数据合并
42 1
|
1月前
|
索引 Python
Pandas 常用函数-数据排序
10月更文挑战第28天
20 1
|
1月前
|
数据采集 Python
Pandas 常用函数-数据清洗
Pandas 常用函数-数据清洗
26 2
|
1月前
|
Python
Pandas 常用函数-查看数据
Pandas 常用函数-查看数据
23 2
|
1月前
|
SQL JSON 数据库
Pandas 常用函数-读取数据
Pandas 常用函数-读取数据
26 2
|
1月前
|
BI Python
Pandas 常用函数-数据统计和描述
Pandas 常用函数-数据统计和描述
123 0