Pandas

pandas

#pandas

Tabla de contenido

Acerca de

1

Cap?tulo 1: Empezando con los pandas

2

Observaciones

2

Versiones

2

Examples

3

Instalaci?n o configuraci?n

3

Instalar via anaconda

5

Hola Mundo

5

Estad?sticas descriptivas

6

Cap?tulo 2: Agrupar datos de series de tiempo

8

Examples

8

Generar series de tiempo de n?meros aleatorios y luego abajo muestra

8

Cap?tulo 3: An?lisis: Reunirlo todo y tomar decisiones.

10

Examples

10

An?lisis quintil: con datos aleatorios

10

Que es un factor

10

Inicializaci?n

10

pd.qcut - Crea cubos quintiles

11

An?lisis

11

Devoluciones de parcela

11

Visualizar la correlaci?n del scatter_matrix con scatter_matrix

12

Calcula y visualiza M?ximo Draw Down

13

Calcular estad?sticas

15

Cap?tulo 4: Anexando a DataFrame

17

Examples

17

Anexando una nueva fila a DataFrame

17

A?adir un DataFrame a otro DataFrame

18

Cap?tulo 5: Calendarios de vacaciones

20

Examples

20

Crear un calendario personalizado

20

Usa un calendario personalizado

20

Consigue las vacaciones entre dos fechas.

20

Cuente el n?mero de d?as laborables entre dos fechas.

21

Cap?tulo 6: Creando marcos de datos

22

Introducci?n

22

Examples

22

Crear un DataFrame de muestra

22

Crea un DataFrame de muestra usando Numpy

23

Cree un DataFrame de muestra a partir de m?ltiples colecciones usando el Diccionario

24

Crear un DataFrame a partir de una lista de tuplas

24

Crear un DataFrame de un diccionario de listas

25

Crear un DataFrame de muestra con datetime

25

Crear un DataFrame de muestra con MultiIndex

27

Guardar y cargar un DataFrame en formato pickle (.plk)

28

Crear un DataFrame a partir de una lista de diccionarios

28

Cap?tulo 7: Datos categ?ricos

29

Introducci?n

29

Examples

29

Creaci?n de objetos

29

Creando grandes conjuntos de datos al azar

29

Cap?tulo 8: Datos de agrupaci?n

31

Examples

31

Agrupacion basica

31

Agrupar por una columna

31

Agrupar por columnas m?ltiples

31

N?meros de agrupaci?n

32

Columna de selecci?n de un grupo.

33

Agregando por tama?o versus por cuenta

34

Agregando grupos

34

Exportar grupos en diferentes archivos.

35

usar la transformaci?n para obtener estad?sticas a nivel de grupo mientras se preserva el

35

Cap?tulo 9: Datos duplicados

37

Examples

37

Seleccione duplicado

37

Drop duplicado

37

Contando y consiguiendo elementos ?nicos.

38

Obtener valores ?nicos de una columna.

39

Cap?tulo 10: Datos perdidos

41

Observaciones

41

Examples

41

Relleno de valores perdidos

41

Rellene los valores faltantes con un solo valor:

41

Rellene los valores faltantes con los anteriores:

41

Rellena con los siguientes:

41

Rellene utilizando otro DataFrame:

42

Bajando valores perdidos

42

Eliminar filas si al menos una columna tiene un valor perdido

42

Eliminar filas si faltan todos los valores de esa fila

43

Eliminar columnas que no tengan al menos 3 valores no perdidos

43

Interpolaci?n

43

Comprobaci?n de valores perdidos

43

Cap?tulo 11: Desplazamiento y desplazamiento de datos

45

Examples

45

Desplazar o retrasar valores en un marco de datos

45

Cap?tulo 12: Fusionar, unir y concatenar

46

Sintaxis

46

Par?metros

46

Examples

47

Unir

47

Fusionando dos DataFrames

48

Unir internamente:

48

Uni?n externa:

49

Unirse a la izquierda:

49

Unirse a la derecha

49

Fusionar / concatenar / unir m?ltiples marcos de datos (horizontal y verticalmente)

50

Fusionar, Unir y Concat

51

?Cu?l es la diferencia entre unirse y fusionarse?

51

Cap?tulo 13: Gotchas de pandas

54

Observaciones

54

Examples

54

Detectando valores perdidos con np.nan

54

Integer y NA

54

Alineaci?n autom?tica de datos (comportamiento indexado)

55

Cap?tulo 14: Gr?ficos y visualizaciones

56

Examples

56

Gr?ficos de datos b?sicos

56

Estilo de la trama

58

Parcela en un eje de matplotlib existente

58

Cap?tulo 15: Guardar pandas dataframe en un archivo csv

59

Par?metros

59

Examples

60

Crear un marco de datos aleatorio y escribir en .csv

60

Guarde Pandas DataFrame de la lista a los dictados a CSV sin ?ndice y con codificaci?n de

62

Cap?tulo 16: Herramientas computacionales

63

Examples

63

Encuentra la correlaci?n entre columnas

63

Cap?tulo 17: Herramientas de Pandas IO (leer y guardar conjuntos de datos)

64

Observaciones

64

Examples

64

Leyendo el archivo csv en DataFrame

64

Expediente:

64

C?digo:

64

Salida:

64

Algunos argumentos ?tiles:

64

 ................
................

In order to avoid copyright disputes, this page is only a partial summary.

Google Online Preview   Download