摘要：
2.3 Python语言基础 1 语言语义（Language Semantics） 缩进，而不是括号 Python使用空格（tabs or spaces)来组织代码结构，而不是像R，C++，Java那样用括号。 建议使用四个空格来作为默认的缩进，设置tab键为四个空格 另外可以用分号隔开多个语句： 阅读全文
posted @ 2018-11-11 17:59
hank-li
阅读(239)
评论(0)
推荐(0)
摘要：
2.2 IPython基础 1 Running the IPython Shell （运行IPython Shell） 可以通过命令行启动IPython，就像启动标准的Python解释器一样，直接在terminal中键入ipython，回车即可。因为这里我用的是Jupyter Notebook，默认 阅读全文
posted @ 2018-11-11 17:25
hank-li
阅读(438)
评论(0)
推荐(0)
摘要：
2.1 The Python Interpreter（Python解释器） Python是一门解释性语言。Python的解释器一次只能运行一个命令。标准的Python解释器环境可以用通过输入python进入（在终端输入python后，就能进入解释器）： 是提示符（prompt），告诉你可以输入指令。 阅读全文
posted @ 2018-11-11 16:32
hank-li
阅读(4071)
评论(0)
推荐(0)
摘要：
1.6 Navigating This Book（本书导航） 如果之前没有接触过Python，那么你应该在第2章和第3章多花一些时间。这两章介绍了Python语言的特性和IPython shell以及Jupyter notebooks。这些东西是本书的基本知识。如果已经有了相关经验，可以直接跳过这些 阅读全文
posted @ 2018-11-11 16:27
hank-li
阅读(276)
评论(0)
推荐(0)
摘要：
1.5 Community and Conferences（社区和讨论组）+ 私货 下面是一些和科学计算，数据处理相关的Python社群和讨论组，如果有什么问题可以进行提问： pydata: A Google Group list for questions related to Python fo 阅读全文
posted @ 2018-11-11 16:26
hank-li
阅读(220)
评论(0)
推荐(0)
摘要：
1.4 Installation and Setup（安装和设置） 这里我们用Anaconda发行版作为Python的使用环境，推荐安装Python3.6，本书就是用Python3.6代码写成的。（译者：我使用的也是Anaconda，Python版本是3.5，与3.6没有任何使用上的差别） 译者：针 阅读全文
posted @ 2018-11-11 16:24
hank-li
阅读(439)
评论(0)
推荐(0)
摘要：
1.3 Essential Python Libraries（一些重要的Python库） 如果不了解Python的数据生态，以及本书中即将用到的一些库，这里会做一个简单的介绍： Numpy 这里就不过多介绍了，下面给出一些链接可以参考。这个库太重要了，Python之所以能在科学计算上独领风骚很大程度 阅读全文
posted @ 2018-11-11 16:22
hank-li
阅读(1168)
评论(0)
推荐(0)
摘要：
1.2 Why Python for Data Analysis?（为什么使用Python做数据分析） 这节我就不进行过多介绍了，Python近几年的发展势头是有目共睹的，尤其是在科学计算，数据处理，AI方面，否则大家也不会来看这本书了。 使用Python的一些优点 1. Python是一门胶水语言 阅读全文
posted @ 2018-11-11 16:20
hank-li
阅读(267)
评论(0)
推荐(0)
摘要：
CHAPTER 1 Preliminaries（预备知识） 1.1 What Is This Book About?（这本书是关于什么的） 这本书关心的是如何用Python对数据进行处理和清洗等操作。本书的目的是作为一个指南，讲解使用Python语言和它的一些处理数据的库和工具，这能让我们成为一个有 阅读全文
posted @ 2018-11-11 16:18
hank-li
阅读(1051)
评论(0)
推荐(0)
摘要：
``` > head(airquality,10) Ozone Solar.R Wind Temp Month Day 1 41 190 7.4 67 5 1 2 36 118 8.0 72 5 2 3 12 149 12.6 74 5 3 4 18 313 11.5 62... 阅读全文
posted @ 2018-11-11 16:02
hank-li
阅读(168)
评论(0)
推荐(0)
摘要：
``` #sort:对向量进行排序;返回排好序的内容 #order:返回排好序的内容的下标/多个排序标准 > x sort(x$v2) [1] 6 7 8 9 10 > sort(x$v2,decreasing = TRUE) [1] 10 9 8 7 6 > order(x$v2) [1] 4 2 5 3 1 > x[order(x$v2),] v1 v2 v3 v... 阅读全文
posted @ 2018-11-11 16:00
hank-li
阅读(247)
评论(0)
推荐(0)
摘要：
``` split根据因子或因子列表将 向量或其他对象分组 通常与lapply一起使用 split(参数):split(向量/列表/数据框,因子/因子列表) x x [1] 0.61008707 0.81746169 1.09859969 1.78134612 1.94262725 0.997605 阅读全文
posted @ 2018-11-11 15:57
hank-li
阅读(3165)
评论(0)
推荐(0)
摘要：
``` 对向量的子集进行操作 tapply(参数)：tapply(向量,因子/因子列表,函数/函数名) x f f [1] 1 1 1 1 1 2 2 2 2 2 3 3 3 3 3 Levels: 1 2 3 tapply(x,f,mean) 1 2 3 0.5004154 0.4044779 0 阅读全文
posted @ 2018-11-11 15:56
hank-li
阅读(5316)
评论(0)
推荐(0)
摘要：
``` #mapply(函数/函数名,数据,函数相关的函数) > list(rep(1,4),rep(2,3),rep(3,2),rep(4,1)) [[1]] [1] 1 1 1 1 [[2]] [1] 2 2 2 [[3]] [1] 3 3 [[4]] [1] 4 > mapply(rep,1:4,4:1) [[1]] [1] 1 1 1 1 [[2]] [1] 2 2 2 [[... 阅读全文
posted @ 2018-11-11 15:53
hank-li
阅读(2109)
评论(0)
推荐(0)
摘要：
``` #apply函数，沿着数组的某一维度处理数据 #例如将函数用于矩阵的行或列 #与for/while循环的效率相似，但只用一句话可以完成 #apply(参数)：apply(数组,维度,函数/函数名) > x x [,1] [,2] [,3] [,4] [1,] 1 5 9 13 [2,] 2 6 10 14 [3,] 3 ... 阅读全文
posted @ 2018-11-11 15:51
hank-li
阅读(555)
评论(0)
推荐(0)
摘要：
``` lapply函数 可以循环处理列表中的每一个元素 lapply(参数)：lapply(列表,函数/函数名,其他参数) 总是返回一个列表 sapply:简化结果 结果列表元素长度均为1，返回向量 结果列表元素长度相同且大于1，返回矩阵 str(lapply) function (X, FUN, 阅读全文
posted @ 2018-11-11 15:44
hank-li
阅读(14032)
评论(0)
推荐(0)
摘要：
``` > x y x+y [1] 7 9 11 13 15 > x*y [1] 6 14 24 36 50 > x/y [1] 0.1666667 0.2857143 0.3750000 0.4444444 0.5000000 > x y x [,1] [,2] [1,] 1 3 [2,] 2 4 > y [,1] [,2] [1... 阅读全文
posted @ 2018-11-11 15:41
hank-li
阅读(275)
评论(0)
推荐(0)
摘要：
``` > x is.na(x) [1] FALSE TRUE FALSE TRUE FALSE > x[!is.na(x)] #找出不是缺失值 [1] 1 2 3 > x y z x[z] [1] 1 > y[z] [1] "a" > library(datasets) #import datasets > head(airquality) Ozone Solar.R... 阅读全文
posted @ 2018-11-11 15:39
hank-li
阅读(210)
评论(0)
推荐(0)
摘要：
``` 列表的子集 Subsetting List [[]] / $ / [[]][] / [[]][[]] 嵌套列表 /不完全匹配(partial matching) x x[1] 找第1列的元素 $ [1] 1 2 3 4 x["id"] 两个函数作用相同 $ [1] 1 2 3 4 x[[1] 阅读全文
posted @ 2018-11-11 15:36
hank-li
阅读(239)
评论(0)
推荐(0)
摘要：
``` > x x v1 v2 v3 1 1 6 11 2 2 7 12 3 3 8 13 4 4 9 14 5 5 10 15 > x$v3[c(2,4)] x v1 v2 v3 1 1 6 11 2 2 7 NA 3 3 8 13 4 4 9 NA 5 5 10 15 > #找出第2列 > x[,2] [1] 6 7 8 9 10 > x[,"v2"] [1] 6 7 8... 阅读全文
posted @ 2018-11-11 15:31
hank-li
阅读(199)
评论(0)
推荐(0)
摘要：
> x <- matrix(1:6,nrow=2,ncol=3)> x [,1] [,2] [,3][1,] 1 3 5[2,] 2 4 6 > x[1,2][1] 3 > x[2,3][1] 6 > x[1,] #第一行的内容[1] 1 3 5 > x[,1] #第一列的内容[1] 1 2 > x 阅读全文
posted @ 2018-11-11 15:22
hank-li
阅读(627)
评论(0)
推荐(0)
摘要：
#日期 Date > x<-date()> class(x)[1] "character" > x2 <- Sys.Date()> class(x2)[1] "Date" > x3<-as.Date("2018-11-03")> class(x3)[1] "Date" > weekdays(x3) 阅读全文
posted @ 2018-11-11 15:13
hank-li
阅读(575)
评论(0)
推荐(0)
摘要：
#数据框 > df <- data.frame(id=c(1,2,3,4),name=c("a","b","c","d"),gender=c(TRUE,TRUE,FALSE,FALSE))> nrow(df) #4行[1] 4 > ncol(df) #3列[1] 3 > df2 <- data.fr 阅读全文
posted @ 2018-11-11 15:07
hank-li
阅读(226)
评论(0)
推荐(0)
摘要：
#缺失值 Missing Value > #NaN不可识别NA> x <- c(1,NA,2,NA,3) > is.na(x)[1] FALSE TRUE FALSE TRUE FALSE > is.nan(x)[1] FALSE FALSE FALSE FALSE FALSE > #NA可识别Na 阅读全文
posted @ 2018-11-11 15:05
hank-li
阅读(157)
评论(0)
推荐(0)
摘要：
#因子：分类数据#有序和无序#整数向量+标签label#Male/Female#常用于lm(),glm() > x <- factor(c("female","female","female","male"))> y <- factor(c("female","female","female","m 阅读全文
posted @ 2018-11-11 15:03
hank-li
阅读(661)
评论(0)
推荐(0)
摘要：
#列表list > l1 <- list("a",2,10L,3+4i,TRUE) #每个元素没有名字> l1[[1]][1] "a" [[2]][1] 2 [[3]][1] 10 [[4]][1] 3+4i [[5]][1] TRUE > l2 <- list(a=1,b=2,c=3) #列表中每 阅读全文
posted @ 2018-11-11 14:58
hank-li
阅读(223)
评论(0)
推荐(0)
摘要：
#矩阵Matrix 三个参数：内容（可省），行数，列数 > x <- matrix(1:6,nrow = 3,ncol = 2) #第一个是内容，第二个，第三个是行列> x[1,2][1] 4 > #维度属性> dim(x)[1] 3 2 > #查看矩阵的属性> attributes(x)$`dim 阅读全文
posted @ 2018-11-11 14:56
hank-li
阅读(610)
评论(0)
推荐(0)
摘要：
#Vector 向量的三种创建方法，两个参数：类型，长度 > x <- vector("character",length=10)> x1 <- 1:4> x2 <- c(1,2,3,4)> x3 <- c(TRUE,10,"a") #如果给向量赋值时元素类型不一致，R就会强制转换，将他们变为同一类 阅读全文
posted @ 2018-11-11 14:51
hank-li
阅读(504)
评论(0)
推荐(0)
摘要：
前言 MongoDB GUI 工具 PyMongo（同步） Motor（异步） 后记 前言 最近这几天准备介绍一下 Python 与三大数据库的使用，这是第一篇，首先来介绍 MongoDB 吧，，走起！！ MongoDB GUI 工具 首先介绍一款 MongoDB 的 GUI 工具 Robo 3T， 阅读全文
posted @ 2018-11-11 10:40
hank-li
阅读(767)
评论(0)
推荐(0)
浙公网安备 33010602011771号