数据科学专业问答社区，好文章，一字千金--CDA答疑社区

热线电话：13121318867

登录

啊啊啊啊啊吖

导入模块中的所有函数

使用星号（* ）运算符可让Python导入模块中的所有函数：from pizza import *make_pizza(16, 'pepperoni')make_pizza(12, 'mushrooms', 'green peppers', 'extra cheese')import 语句中的星号让Python将模块pizza 中的每个函数都复制到这个程序文件中。由于导入了每个函数，

0.0000

0

0

0

关注作者

收藏

啊啊啊啊啊吖

使用as 给模块指定别名

你可以给模块指定别名。通过给模块指定简短的别名（如给模块pizza 指定别名p ），让你能够更轻松地调用模块中的函数。相比于pizza.make_pizza()， p.make_pizza() 更为简洁：import pizza as pp.make_pizza(16, 'pepperoni')p.make_pizza(12, 'mushrooms', 'green pepper

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

使用as 给函数指定别名

如果要导入的函数的名称可能与程序中现有的名称冲突，或者函数的名称太长，可指定简短而独一无二的别名 ——函数的另一个名称，类似于外号。要给函数指定这种特殊外号，需要在导入它时这样做。下面给函数make_pizza() 指定了别名mp() 。这是在import 语句中使用make_pizza as mp 实现的，关键字as 将函数重命名为你提供的别名：from pizza imp

0.0000

0

6

0

关注作者

收藏

啊啊啊啊啊吖

导入特定的函数

你可以导入模块中的特定函数，这种导入方法的语法如下：from module_name import function_name通过用逗号分隔函数名，可根据需要从模块中导入任意数量的函数：from module_name import function_0, function_1, function_2对于前面的making_pizzas.py示例，如果只想导入要使用的函数，

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

导入整个模块

要让函数是可导入的，得先创建模块。模块是扩展名为.py的文件，包含要导入到程序中的代码。下面来创建一个包含函数make_pizza() 的模块。为此，我们将文件pizza.py中除函数make_pizza() 之外的其他代码都删除：pizza.pydef make_pizza(size, *toppings):"""概述要制作的比萨"""print("\nMaking a

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

创建和使用函数

def printMyAddress():print "Warren Sande"print "123 Main Street"print "Ottawa, Ontario, Canada"print "K2M 2E9"定义函数prìnt_.. iJlffl ( 使用}函数printMyAddress()第 1 行中，我们使用 def 关键字定义了一个函数。在函数名后面有一对

0.0000

0

3

0

关注作者

收藏

kejiayuan0806

Power BI Desktop启动报错

问题描述：Power BI Desktop安装成功后，启动报错：出了点问题调用的目标出现了异常解决方法：1、回到桌面，鼠标左击开始，点击运行； 2、在运行输入框内输入regedit，按回车键打开注册表； 3、在注册表中找到HKEY_LOCAL_MACHINE\SYSTEM\CurrentControlSet\Control\Lsa项； 4、点击Lsa项，点击下

0.0000

0

3

0

关注作者

收藏

dreamhappy2012

对字符串使用不等号时的注意事项

创建Chars表并插入数据-- DDL ：创建表CREATE TABLE Chars(chr CHAR(3) NOT NULL,PRIMARY KEY (chr));SQL Server PostgreSQL-- DML ：插入数据BEGIN TRANSACTION; ——————————①INSERT INTO Chars VALUES ('1');INSERT INTO Ch

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

通过整数位置列表

df.iloc[[1,2,4],[0,2]]AC2013-01-020.9852610.4812142013-01-030.1047010.8120342013-01-050.0791940.907441df.loc['20130102':'20130105',['A','C']]AC2013-01-020.9852610.4812142013-01-030.

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

按照标签选择数据

df.loc[dates[0]]#当然了显示的是按照Series那种形式A 0.615859B 0.354072C 0.741003D 0.055112Name: 2013-01-01 00:00:00, dtype: float64# 按标签选择多轴df.loc[:,['A','B']]AB2013-01-010.6158590.3540722

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

两种排序方法

按值排序df.sort_values(by='B',ascending=False)ABCD2013-01-060.7909420.9061110.0933820.0322582013-01-040.2520730.8620040.0637430.9009312013-01-050.0791940.7791280.9074410.6598532013-01

0.0000

0

4

0

关注作者

收藏

啊啊啊啊啊吖

怎么实现矩阵里的转置

import pandas as pdimport numpy as npimport matplotlib.pyplot as plts=pd.Series([1,3,5,np.nan,6,8])dates=pd.date_range('20130101',periods=6)df=pd.DataFrame(np.random.rand(6,4),index=dates,columns

0.0000

0

4

0

关注作者

收藏

啊啊啊啊啊吖

describe函数显示哪些统计量

df.describe()ABCDcount6.0000006.0000006.0000006.000000mean0.4713380.5942620.5164690.444036std0.3803750.3454100.3676520.342420min0.0791940.0172410.0637430.03225825%0.1415440

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

一个代码教你怎么显示索引、列和numpy数据

df.indexDatetimeIndex(['2013-01-01', '2013-01-02', '2013-01-03', '2013-01-04', '2013-01-05', '2013-01-06'], dtype='datetime64[ns]', freq='D')df.columnsIndex(['A', 'B

0.0000

0

5

0

关注作者

收藏

啊啊啊啊啊吖

#查看框架得顶行和底行df.head()#看见没，不写具体行数就默认5ABCD2013-01-010.6158590.3540720.7410030.0551122013-01-020.9852610.0172410.4812140.5389702013-01-030.1047010.6470150.8120340.4770902013-01-040.

0.0000

0

4

0

关注作者

收藏

啊啊啊啊啊吖

python里的对象创建

import pandas as pdimport numpy as npimport matplotlib.pyplot as plt对象创建创建一个series通过传递值得列表，让pandas创建一个默认得整数索引s=pd.Series([1,3,5,np.nan,6,8])s0 1.01 3.02 5.03 NaN4 6.05 8.

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

在python里怎么生成时间序列

rng=pd.date_range('1/1/2012',periods=100,freq='S')ts=pd.Series(np.random.randint(0,500,len(rng)),index=rng)rngDatetimeIndex(['2012-01-01 00:00:00', '2012-01-01 00:00:01', '2012-01-

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

python里怎么恢复数据

要返回原始数据Series或NumPy数组，请使用Series.astype(original_dtype)或np.asarray(categorical)： s = pd.Series(["a","b","c","a"]) s0 a1 b2 c3 adtype: object s2 = s.astype('category')s2 0

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

DataFrame的创建

施工期间通过指定完成dtype="category"在DataFrame构造函数： df = pd.DataFrame({'A': list('abca'), 'B': list('bccd')}, dtype="category") df.dtypesA categoryB categorydtype: object请注意，每列中的类别不同;转换是逐列完成的，因此只有

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

在时间跨度表示之间转换

rng = pd.date_range('1/1/2012', periods=5, freq='M') ts = pd.Series(np.random.randn(len(rng)), index=rng) ts2012-01-31 -1.1346232012-02-29 -1.5618192012-03-31 -0.2608382012-04-30 0.

0.0000

0

3

0

关注作者

收藏

<1…470471472…531>

CDA考试动态

CDA报考指南