前前后后也写了很多博客和文章了，作为一个资深的markdown用户，我是非常喜欢markdown的简洁语法，可以让我在不太关注于文字格式的前提下，获得比较好的阅读和排版体验。

python可以做很多事情，虽然它的强项在于进行向量运算和机器学习、深度学习等方面。但是在某些时候，我们仍然需要使用python对外提供web服务。

简介为了更好的熟练掌握pandas在实际数据分析中的应用，今天我们再介绍一下怎么使用pandas做美国餐厅评分数据的分析。餐厅评分数据简介数据的来源是UCI ML Repository，包含了一千多条数据，有5个属性，分别是：userID： 用户IDplaceID：餐厅IDrating：总体评分food_rating：食物评分service_rating：服务评分我们使用pa...

1912年4月15日，号称永不沉没的泰坦尼克号因为和冰山相撞沉没了。因为没有足够的救援设备，2224个乘客中有1502个乘客不幸遇难。事故已经发生了，但是我们可以从泰坦尼克号中的历史数据中发现一些数据规律吗？今天本文将会带领大家灵活的使用pandas来进行数据分析。

时间应该是在数据处理中经常会用到的一种数据类型，除了Numpy中datetime64 和 timedelta64 这两种数据类型之外，pandas 还整合了其他python库比如 scikits.timeseries 中的功能。

简介本文将会以图表的形式为大家讲解怎么在NumPy中进行多维数据的线性代数运算。多维数据的线性代数通常被用在图像处理的图形变换中，本文将会使用一个图像的例子进行说明。图形加载和说明熟悉颜色的朋友应该都知道，一个颜色可以用R，G，B来表示，如果更高级一点，那么还有一个A表示透明度。通常我们用一个四个属性的数...

pandas有一个option系统可以控制pandas的展示情况，一般来说我们不需要进行修改，但是不排除特殊情况下的修改需求。本文将会详细讲解pandas中的option设置。

如果数据中有很多NaN的值，存储起来就会浪费空间。为了解决这个问题，Pandas引入了一种叫做Sparse data的结构，来有效的存储这些NaN的值。

pandas中的DF数据类型可以像数据库表格一样进行groupby操作。通常来说groupby操作可以分为三部分：分割数据，应用变换和和合并数据。

简介数据分析中经常会用到很多统计类的方法，本文将会介绍Pandas中使用到的统计方法。变动百分百Series和DF都有一个pct_change() 方法用来计算数据变动的百分比。这个方法在填充NaN值的时候特别有用。 {代码...} pct_change还有个periods参数，可以指定计算百分比的periods，也就是隔多少个元素来计算： {代码...} Covar...

python中matplotlib是非常重要并且方便的图形化工具，使用matplotlib可以可视化的进行数据分析，今天本文将会详细讲解Pandas中的matplotlib应用。

Pandas中有一种特殊的数据类型叫做category。它表示的是一个类别，一般用在统计分类中，比如性别，血型，分类，级别等等。有点像java中的enum。

在数据处理中，Pandas会将无法解析的数据或者缺失的数据使用NaN来表示。虽然所有的数据都有了相应的表示，但是NaN很明显是无法进行数学运算的。

在1.0之前，只有一种形式来存储text数据，那就是object。在1.0之后，添加了一个新的数据类型叫做StringDtype 。今天将会给大家讲解Pandas中text中的那些事。

简介使用Pandas的pivot方法可以将DF进行旋转变换，本文将会详细讲解pivot的秘密。使用Pivotpivot用来重组DF，使用指定的index，columns和values来对现有的DF进行重构。看一个Pivot的例子：通过pivot变化，新的DF使用foo中的值作为index，使用bar的值作为columns，zoo作为对应的value。再看一个时间变化的例子： {代码......

Pandas提供了很多合并Series和Dataframe的强大的功能，通过这些功能可以方便的进行数据分析。本文将会详细讲解如何使用Pandas来合并Series和Dataframe。

[toc]简介本文将会讲解Pandas中基本的数据类型Series和DataFrame，并详细讲解这两种类型的创建，索引等基本行为。使用Pandas需要引用下面的lib： {代码...} SeriesSeries是一维带label和index的数组。我们使用下面的方法来创建一个Series： {代码...} 这里的data可以是Python的字典，np的ndarray，或者一个标量。index是...

简介今天我们会讲解一下Pandas的高级教程，包括读写文件、选取子集和图形表示等。读写文件数据处理的一个关键步骤就是读取文件进行分析，然后将分析处理结果再次写入文件。Pandas支持多种文件格式的读取和写入： {代码...} 接下来我们会以Pandas官网提供的Titanic.csv为例来讲解Pandas的使用。Titanic.csv提供了800多个...

作变得更快更简单的数据结构和操作⼯具。pandas经常和其它⼯具⼀同使⽤，如数值计算⼯具NumPy和SciPy，分析库statsmodels和scikit-learn，和数据可视化库matplotlib等。

简介在NumPy中，多维数组除了基本的算数运算之外，还内置了一些非常有用的函数，可以加快我们的科学计算的速度。简单函数我们先看下比较常见的运算函数，在使用之前，我们先构造一个数组： {代码...} {代码...} 计算数组中元素的开方： {代码...} {代码...} 自然常数e为底的指数函数: {代码...} {代码...} 取两个数组的...

NumPy一个非常重要的作用就是可以进行多维数组的操作，多维数组对象也叫做ndarray。我们可以在ndarray的基础上进行一系列复杂的数学运算。

广播描述的是NumPy如何计算不同形状的数组之间的运算。如果是较大的矩阵和较小的矩阵进行运算的话，较小的矩阵就会被广播，从而保证运算的正确进行。

在做科学计算的时候，我们需要从外部加载数据，今天给大家介绍一下NumPy中非常有用的一个方法genfromtxt。genfromtxt可以分解成两步，第一步是从文件读取数据，并转化成为字符串。第二步就是将字符串转化成为指定的数据类型。

简介普通的数组就是数组中存放了同一类型的对象。而结构化数组是指数组中存放不同对象的格式。今天我们来详细探讨一下NumPy中的结构化数组。结构化数组中的字段field因为结构化数组中包含了不同类型的对象，所以每一个对象类型都被称为一个field。每个field都有3部分，分别是：string类型的name，任何有效dtype类型的typ...

之前讲到了NumPy中有多种数据类型，每种数据类型都是一个dtype(numpy.dtype )对象。今天我们来详细讲解一下dtype对象。

Python语言中只定义了特定数据类的一种类型（比如只有一种整数类型，一种浮点类型等）。在不需要关注计算机中数据表示方式的普通应用程序中，这样做很方便。但是，对于科学计算来说，我们需要更加精确的控制类型。

简介我们知道Python中有4种数字类型，分别是int，float，bool和complex。作为科学计算的NumPy，其数据类型更加的丰富。今天给大家详细讲解一下NumPy中的数据类型。数组中的数据类型NumPy是用C语言来实现的，我们可以对标一下NumPy中数组中的数据类型跟C语言中的数据类型：Numpy 中的类型C 中的类型说明np.bool_boolBoole...

NumPy是一个开源的Python库，主要用在数据分析和科学计算，基本上可以把NumPy看做是Python数据计算的基础，因为很多非常优秀的数据分析和机器学习框架底层使用的都是NumPy。比如：Pandas, SciPy, Matplotlib, scikit-learn, scikit-image 等。

文件的存储内容有两种方式，一种是二进制，一种是文本的形式。如果是以文本的形式存储在文件中，那么从文件中读取的时候就会遇到一个将文本转换为Python中数据类型的问题。实际上即使是文本的形式存储，存储的数据也是也是有结构的，因为Python底层是用C来编写的，这里我们也称之为C结构。

如果我们想要运行Python，通常有两种方式，第一种方式就是在Python或者IPython的解释器环境中进行交互式运行，还有一种方式就是程序员最喜欢的编写.py文件，在文件中编写python代码，然后运行。