Home
Introduction
Numpy
Numpy 创建数组
Numpy 数组遍历
Numpy 数组操作
axis=0 axis=1的理解
NumPy 排序、条件刷选函数
常用统计函数
NumPy 常用函数
NumPy 协方差cov与相关系数corrcoef的使用
numpy.set_printoptions()
numpy.datetime64()日期函数
numpy.split()函数
Numpy np.count_nonzero
Numpy np.zeros_like()函数
Numpy 上三角矩阵triu和下三角矩阵tril
NumPy 矩阵库(Matrix)
NumPy 线性代数中的运算
NumPy 降维和增维
Numpy中reshape函数
Numpy squeeze()函数
Numpy random函数
Numpy 字符串操作
Numpy mgrid()和meshgrid()的区别和使用
Numpy 数组填充np.pad()函数
Numpy 数学函数
numpy.nan_to_num
Pandas
Series.cat
Pandas.melt
Pandas set_option
Pandas 数据结构Series,DataFrame
Pandas 数据获取与查询
Pandas isin索引和~反向索引
Pandas ix 、loc 、 iloc区别
Pandas 数据对齐输出
Pandas Index对象
Pandas MultiIndex对象
Pandas 根据条件获取元素所在的位置(索引)
Pandas 数据合并与重塑
Pandas 轴旋转stack和unstack
Pandas 缺失值处理
Pandas 数据排序
Pandas 描述和汇总统计
Pandas 众数mode
Pandas 分位数quantile
Pandas 统计函数corr
Pandas 统计函数scatter_matrix
Pandas 使用测试模块制作伪数据
Pandas 字符数据的处理方法
Pandas 时间序列—date_range函数
Pandas 时间序列—period_range函数
Pandas 时间序列—to_datetime函数
Pandas 时间序列—to_period函数
Pandas sample随机抽样
Pandas resample方法详解
Pandas nlargest函数
Pandas rename()和reindex()函数
Pandas set_index()和reset_index()函数
Pandas pd.cut()函数
Pandas pd.Categorical()函数
Pandas pd.get_dummies()函数
Pandas pd.Series.to_dict()函数
Pandas Series.to_frame
Pandas 数据去重
Pandas drop函数
Pandas 唯一值,计数值
DataFrame.nunique
Pandas transform函数
Pandas value_counts()函数
Pandas sort_values()函数
聚类 Groupby
DataFrame.agg
Pandas Apply函数
DataFrame where
Pandas map, applymap and apply的区别
Pandas pivot函数
Pandas pivot_table函数
Pandas crosstab交叉表
rolling滚动计算函数
cum累积计算函数
数据移动函数shift
DataFrame.add_add_prefix/suffix
DataFrame.select_dtypes
DataFrame.style
DataFrame divide
Scipy
统计函数库scipy.stats
norm 函数
线性代数linalg
求解线性方程组linalg.solve
最小二乘解lstsq
矩阵的LU分解
矩阵的奇异值分解svd
求解特征值和特征向量
拟合与优化optimize
最小二乘法函数拟合leastsq
拟合curve_fit
求解非线性方程组fsolve
函数最小值optimize.minimize
全局最优点basinhopping
插值interpolate
一维插值interp1d
多维插值interp2d
牛顿插值
本书使用 GitBook 发布
Introduction
好大的板栗,
🌰 好小的板栗,(●'◡'●)
文档主要记录
numpy
pandas
scipy
的常用方法。
results matching "
"
No results matching "
"