• 大小: 19KB
    文件类型: .rar
    金币: 1
    下载: 0 次
    发布日期: 2023-08-04
  • 语言: 其他
  • 标签: pandas  数据分析  

资源简介

适合新手的pandas数据分析笔记,ipynb格式。包括12个部分,包含代码和解释,快速入门pandas~

资源截图

代码片段和文件信息

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件         72  2017-09-30 21:23  Pandas数据分析\.ipynb_checkpoints\10、带有重复值的索引-checkpoint.ipynb

     文件       3638  2017-09-30 21:49  Pandas数据分析\.ipynb_checkpoints\11、汇总和计算描述统计-checkpoint.ipynb

     文件       3047  2017-09-30 21:59  Pandas数据分析\.ipynb_checkpoints\12、唯一值、处理缺失数据-checkpoint.ipynb

     文件       2243  2017-09-30 15:53  Pandas数据分析\.ipynb_checkpoints\4、drop某条轴上的项-checkpoint.ipynb

     文件       3854  2017-09-30 16:14  Pandas数据分析\.ipynb_checkpoints\6、索引、选取、过滤-checkpoint.ipynb

     文件         72  2017-09-30 16:21  Pandas数据分析\.ipynb_checkpoints\7、算数运算与数据对齐-checkpoint.ipynb

     文件       2736  2017-09-30 16:56  Pandas数据分析\.ipynb_checkpoints\8、函数应用与映射-checkpoint.ipynb

     文件         72  2017-09-30 20:42  Pandas数据分析\.ipynb_checkpoints\9、排序和排名-checkpoint.ipynb

     文件         72  2017-09-30 22:16  Pandas数据分析\.ipynb_checkpoints\Untitled-checkpoint.ipynb

     文件       1876  2017-09-30 21:33  Pandas数据分析\10、带有重复值的索引.ipynb

     文件       3638  2017-09-30 21:49  Pandas数据分析\11、汇总和计算描述统计.ipynb

     文件       5315  2017-09-30 22:10  Pandas数据分析\12、唯一值、处理缺失数据.ipynb

     文件       3789  2017-09-30 09:35  Pandas数据分析\2、数据结构series.ipynb

     文件       7333  2017-09-30 10:34  Pandas数据分析\3、Dataframe.ipynb

     文件       2243  2017-09-30 15:53  Pandas数据分析\4、drop某条轴上的项.ipynb

     文件       5793  2017-09-30 15:23  Pandas数据分析\4、索引对象Index.ipynb

     文件       3854  2017-09-30 16:14  Pandas数据分析\6、索引、选取、过滤.ipynb

     文件       5309  2017-09-30 16:37  Pandas数据分析\7、算数运算与数据对齐.ipynb

     文件       2736  2017-09-30 16:56  Pandas数据分析\8、函数应用与映射.ipynb

     文件       4708  2017-09-30 21:18  Pandas数据分析\9、排序和排名.ipynb

     文件       4636  2017-09-30 22:40  Pandas数据分析\Untitled.ipynb

     目录          0  2018-01-23 18:07  Pandas数据分析\.ipynb_checkpoints

     目录          0  2018-01-23 18:07  Pandas数据分析

----------- ---------  ---------- -----  ----

                67036                    23


评论

共有 条评论