<!DOCTYPE HTML>
<html lang="en" >
<!-- Start book Python数据分析课程讲义 -->
<head>
<!-- head:start -->
<meta charset="UTF-8">
<meta http-equiv="X-UA-Compatible" content="IE=edge" />
<title>Pandas分组与聚合 | Python数据分析课程讲义</title>
<meta content="text/html; charset=utf-8" http-equiv="Content-Type">
<meta name="description" content="">
<meta name="generator" content="GitBook 2.6.7">
<meta name="author" content="BigCat">
<meta name="HandheldFriendly" content="true"/>
<meta name="viewport" content="width=device-width, initial-scale=1, user-scalable=no">
<meta name="apple-mobile-web-app-capable" content="yes">
<meta name="apple-mobile-web-app-status-bar-style" content="black">
<link rel="apple-touch-icon-precomposed" sizes="152x152" href="../../gitbook/images/apple-touch-icon-precomposed-152.png">
<link rel="shortcut icon" href="../../gitbook/images/favicon.ico" type="image/x-icon">
<link rel="stylesheet" href="../../gitbook/style.css">
<link rel="stylesheet" href="../../gitbook/plugins/gitbook-plugin-tbfed-pagefooter/footer.css">
<link rel="stylesheet" href="../../gitbook/plugins/gitbook-plugin-splitter/splitter.css">
<link rel="stylesheet" href="../../gitbook/plugins/gitbook-plugin-toggle-chapters/toggle.css">
<link rel="stylesheet" href="../../gitbook/plugins/gitbook-plugin-highlight/website.css">
<link rel="stylesheet" href="../../gitbook/plugins/gitbook-plugin-fontsettings/website.css">
<link rel="next" href="../../file/part03/3.8.html" />
<link rel="prev" href="../../file/part03/3.6.html" />
<!-- head:end -->
</head>
<body>
<!-- body:start -->
<div class="book"
data-level="3.7"
data-chapter-title="Pandas分组与聚合"
data-filepath="file/part03/3.7.md"
data-basepath="../.."
data-revision="Thu Apr 27 2017 00:50:19 GMT+0800 (CST)"
data-innerlanguage="">
<div class="book-summary">
<nav role="navigation">
<ul class="summary">
<li class="chapter " data-level="0" data-path="index.html">
<a href="../../index.html">
<i class="fa fa-check"></i>
传智播客Python学院数据分析
</a>
</li>
<li class="chapter " data-level="1" data-path="file/part01/1.html">
<a href="../../file/part01/1.html">
<i class="fa fa-check"></i>
<b>1.</b>
一、工作环境准备及数据分析建模理论基础
</a>
<ul class="articles">
<li class="chapter " data-level="1.1" data-path="file/part01/1.1.html">
<a href="../../file/part01/1.1.html">
<i class="fa fa-check"></i>
<b>1.1.</b>
Python 3.x新特性和编码回顾
</a>
</li>
<li class="chapter " data-level="1.2" data-path="file/part01/1.2.html">
<a href="../../file/part01/1.2.html">
<i class="fa fa-check"></i>
<b>1.2.</b>
DIKW模型与数据工程
</a>
</li>
<li class="chapter " data-level="1.3" data-path="file/part01/1.3.html">
<a href="../../file/part01/1.3.html">
<i class="fa fa-check"></i>
<b>1.3.</b>
数据分析建模理论基础
</a>
</li>
</ul>
</li>
<li class="chapter " data-level="2" data-path="file/part02/2.html">
<a href="../../file/part02/2.html">
<i class="fa fa-check"></i>
<b>2.</b>
二、科学计算工具NumPy
</a>
<ul class="articles">
<li class="chapter " data-level="2.1" data-path="file/part02/2.1.html">
<a href="../../file/part02/2.1.html">
<i class="fa fa-check"></i>
<b>2.1.</b>
ndarray的创建与数据类型
</a>
</li>
<li class="chapter " data-level="2.2" data-path="file/part02/2.2.html">
<a href="../../file/part02/2.2.html">
<i class="fa fa-check"></i>
<b>2.2.</b>
ndarray的矩阵处理
</a>
</li>
<li class="chapter " data-level="2.3" data-path="file/part02/2.3.html">
<a href="../../file/part02/2.3.html">
<i class="fa fa-check"></i>
<b>2.3.</b>
ndarray的元素处理
</a>
</li>
<li class="chapter " data-level="2.4" data-path="file/part02/2.4.html">
<a href="../../file/part02/2.4.html">
<i class="fa fa-check"></i>
<b>2.4.</b>
实战案例:2016美国总统大选民意调查统计
</a>
</li>
</ul>
</li>
<li class="chapter " data-level="3" data-path="file/part03/3.html">
<a href="../../file/part03/3.html">
<i class="fa fa-check"></i>
<b>3.</b>
三、数据分析工具Pandas
</a>
<ul class="articles">
<li class="chapter " data-level="3.1" data-path="file/part03/3.1.html">
<a href="../../file/part03/3.1.html">
<i class="fa fa-check"></i>
<b>3.1.</b>
Pandas的数据结构
</a>
</li>
<li class
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
当涉及到数据分析时,pandas、numpy、matplotlib 和 nltk 是四个非常常用的 Python 库。这些库各自有特定的用途,并且经常一起使用以执行复杂的数据分析和可视化任务。以下是这些库的简要介绍以及它们如何协同工作的示例。 1. Pandas 用途:数据分析和处理,特别是结构化数据(如表格数据) 主要功能:数据清洗、转换、合并、选择、分组和重塑 2. Numpy 用途:数值计算,尤其是大型多维数组和矩阵的运算 主要功能:数组操作、线性代数、统计函数等 3. Matplotlib 用途:数据可视化 主要功能:绘制线图、散点图、柱状图、饼图等各种图形 4. NLTK (Natural Language Toolkit) 用途:自然语言处理(NLP) 主要功能:分词、词性标注、命名实体识别、文本分类、情感分析等
资源推荐
资源详情
资源评论
收起资源包目录
python数据分析建模基础数据可视化自然语言处理入门基础.zip (128个子文件)
style.css 38KB
website.css 30KB
website.css 8KB
ebook.css 3KB
splitter.css 503B
footer.css 271B
toggle.css 0B
fontawesome-webfont.eot 71KB
3.7.html 97KB
3.8.html 68KB
6.6.html 41KB
1.2.html 40KB
6.1.html 40KB
4.1.html 39KB
2.1.html 39KB
3.1.html 39KB
3.4.html 38KB
3.2.html 38KB
2.2.html 34KB
1.3.html 32KB
4.2.html 32KB
2.3.html 31KB
6.2.html 31KB
3.3.html 30KB
3.5.html 29KB
2.4.html 29KB
4.4.html 29KB
4.3.html 28KB
6.4.html 26KB
3.10.html 26KB
3.6.html 26KB
6.3.html 25KB
1.html 25KB
2.html 24KB
1.1.html 23KB
3.9.html 23KB
index.html 23KB
3.html 22KB
6.html 21KB
4.html 20KB
favicon.ico 4KB
app.js 742KB
buttons.js 4KB
splitter.js 4KB
toggle.js 687B
plugin.js 327B
2.5.md 2KB
7.md 255B
5.md 216B
7.2.md 3B
7.1.md 3B
7.3.md 3B
7.4.md 3B
5.1.md 3B
5.2.md 3B
5.3.md 3B
5.5.md 3B
5.6.md 3B
5.4.md 3B
6.5.md 3B
8.md 3B
8.2.md 3B
8.1.md 3B
8.3.md 3B
8.4.md 3B
FontAwesome.otf 73KB
2016_Linkedln2.png 399KB
2016_Linkedln3.png 289KB
bokeh_05.png 284KB
2016_Linkedln.png 266KB
2016_Linkedln4.png 266KB
model.png 261KB
DataFrameIndex.png 232KB
pandas_tongji1.png 226KB
bokeh_06.png 222KB
nltk_test.png 180KB
nltk_install.png 173KB
plt_01.png 129KB
pandas_tongji2.png 119KB
matplotlib.png 104KB
bokeh_01.png 97KB
DIKW.png 93KB
K-Means.png 91KB
apple-touch-icon-precomposed-152.png 91KB
DataAnalysis.png 77KB
pandas_juhe.png 73KB
DataFrame.png 70KB
bokeh_04.png 64KB
bokeh_03.png 64KB
bokeh_02.png 60KB
Series.png 58KB
plt_linestyle.png 40KB
sns_08.png 40KB
pandas_groupby.png 35KB
bokeh_07.png 33KB
plt_08.png 33KB
sns_06.png 31KB
weibo_data.png 31KB
sns_05.png 25KB
sns_10.png 24KB
共 128 条
- 1
- 2
资源评论
纬领网络
- 粉丝: 175
- 资源: 144
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功