Pandas模块数据统计与分析常用方法
示例数据集说明
df.describe()
按各列返回基本统计量和分位数。
2024年07月19日
Pandas模块数据统计与分析常用方法
按各列返回基本统计量和分位数。
2024年07月19日
在Python中，我们经常需要对数据进行分组和聚合操作。为了实现这个目的，Python提供了一个非常有用的函数groupby()。
2024年07月19日
在正则表达式介绍中，我们学习了正则表达式的基本用法。列举了一些简单的例子。在这一部分，将介绍更高级的用法，捕获分组。
捕获分组
上一部分我们用正则从字符串搜索出我们想要的，并返回了 MatchObject 对象，然后调用 group() 方法返回查找的字符串。那怎么得到查找的字符串的某一部分呢？
2024年07月19日
全文共3168字，预计学习时长6分钟
本文所涉及代码均可在GitHub中获取：https://github.com/rmacaraeg
知道如何在SQL内完成基础操作后（如果不知道，请阅读“Python SQL基础简介”，传送门：https://medium.com/better-programming/a-gentle-introduction-to-sql-basics-in-python-b137651ed1ff），就可以开始使用SQL提供的更多其他工具了。
2024年07月19日
如何有效利用熊猫的Groupby功能
Pandas是一个非常强大的Python数据分析库，可加快项目的预处理步骤。 在本文中，我将通过许多示例介绍Pandas的groupby功能，这些示例可帮助您全面了解该功能。
Groupby是一种通用且易于使用的功能，有助于获得数据概览。 它使探索数据集和揭示变量之间的潜在关系变得更加容易。
groupby分组技术是python常用方法之一，具体的分组方法主要包括：对分组进行迭代、选取一个或一组列、通过字典或Series 进行分组、通过函数进行分组以及根据索引级别分组等。
在过往对中，我们对分组进行迭代、选择去一个或一组列以及通过字典或Series 进行分组进行列分享，具体文章如下：
2024年07月19日
在CircuitPython的displayio库中，Group是一个类，用于管理显示上的多个显示元素，如位图（Bitmap）、形状（Shapes）、按钮（Buttons）等。通过Group，你可以组织显示内容，控制它们的层叠顺序，以及实现部分刷新，这有助于减少微控制器的工作量，提高效率。
2024年07月19日
在典型的探索性数据分析中，我们通过在某个粒度级别上划分数据集，然后在该粒度上聚合数据，以了解集中趋势，从而解决这个问题。同样，Hadley Wickham撰写的著名（必读）论文将Split-Apply-Combine策略概述为数据分析中最常见的策略之一。无论是营销细分还是任何行为研究，我们在分析过程中都会使用这种技术。
2024年07月19日
大家好，我是数据小郑。
本篇是数分常用数分必会python点 系列的第一篇：数据分组汇总。
系列内容，请看【数分必会python点】话题，订阅后文章更新可第一时间推送至订阅号。
数分工作者在python的工具使用上，pandas包肯定是天天都用，groupby是pandas包使用最为频繁的工具之一。本文主要介绍利用groupby 对数据进行拆分，选择，按照需求分组进行信息汇总。
2024年07月19日
re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none。
使用Python的‘r’前缀，就不用考虑转义的问题了
我们可以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。