Seaborn 是对 Matplotlib 进行了更高级的封装，而且也能和 Pandas 无缝整合，可以用更少的代码构建出更好的统计图表。 12345678# 联网加载官方的小费数据集import seaborn as snsimport sslssl._create_default_https_context = ssl._create_unverified_contexttips_df =

1 绘图流程 创建画布plt.figure() 绘制图像plt.plot(x, y)等 显示图像plt.show() 1234import matplotlib.pyplot as pltplt.figure(figsize=(10, 8))plt.plot([1, 2, 3, 4], [10, 20, 15, 30])plt.show() svg 使用以下魔法方法

1 基本数据操作 123456import numpy as npimport pandas as pddf1 = pd.read_excel('data/new_data2.xlsx')print(df1)df2 = pd.DataFrame(data={'姓名': ['赵六', '钱七'], '

Pandas索引操作有两种常见类型： 基于位置的索引（Position-based Indexing） 基于标签的索引（Label-based Indexing） 实际操作中，第二种操作更常用。 123import numpy as npimport pandas as pdimport matplotlib.pyplot as plt 1 DataFrame结构 1.1 co

1 创建结构化数组 1import numpy as np 类似C++的结构体，但更加强大，数组的每个元素可以包含多个字段，可以单独处理数组的每一个字段。 1.1 字典方式 dtype的参数是一个字典： names：指定字段名称 formats：指定数据类型，可以使用Python类型或Numpy类型 123456my_dtype = { 'names

Numpy和Pandas的关系：就像先掌握算术才能学代数一样，NumPy就是数据分析的”算术基础”，虽然可以直接用计算器（Pandas），但理解底层原理才能走得更远。 Pandas 核心数据机构是Series(数据系列)、DataFrame(数据窗/数据框)，Series可以看做表中的一列，DataFrame则是整个表格，由多个列构成。除此之外还有一个特殊的Index类，为Series和Dat

Numpy非常重要的一个特性就是矢量化，对数组进行运算时，所有运算会自动作用于数组中的每一个成员，而不需要编写循环。 1 数组和标量的运算 123import numpy as npimport pandas as pdimport matplotlib.pyplot as plt 数组和数值进行加减乘除、取模求幂等运算，对应的运算会作用到数组的每一个元素上。 1234arr = np.a

1 普通索引 12import numpy as npimport matplotlib.pyplot as plt 和Python中的list索引类似，在多维数组中有特色用法。 12345678arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])print(arr, end='\n\n')print(f'arr[0

命令模式下的快捷键： Alt + Enter 运行当前单元格并在下面插入新的单元格 Shift + Enter 运行当前单元格并选中下方的单元格 Ctrl + Enter 运行当前单元格 j / k、Shift + j / Shift + k 选中下方/上方单元格、连续选中下方/上方单元格 a / b 在下方/上方插入新的单元格 c / x 复制单元格 / 剪切单元格 v /

鉴于C++章节已做详细说明，本节只做记录，不做详细讲解。 1 数据结构 1.1 栈 12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970717273747576777879808182