countries_df.sample(2) 获取基本信息 countries_df.info() 通过info()可以看出 从输出结果来看，数据框包含五列： country: 字符串类型，包含...sns 土地面积分析 创建了一个条形图，该图显示了国家的土地面积分布 fig=px.bar(countries_df.sort_values(by='land_area',ascending=False...region=list(countries_df['region'].unique()) region 创建了一个新的数据框 x，通过迭代每个地区，选择每个地区土地面积最大的国家，并将这些信息存储在...年和2023年的人口比较，我们可以看到中国和印度是1950年以来人口最多的国家 计算从1950年到2023年人口变化的百分比，并创建了一个显示前20个国家变化百分比的条形图。...y 的新数据框，通过迭代每个地区，选择每个地区生育率最高的国家，并将这些信息存储在 y 中。
当您的数据包含地理信息时，丰富的地图可视化可以为您理解数据和解释分析结果的最终用户提供重要价值。 ? Plotly Plotly是一个著名的库，用于在Python中创建交互式绘图和仪表板。...Choropleth地图 Choropleth地图是流行的主题地图，用于通过各种阴影图案或预定地理区域（即国家/地区）上的符号表示统计数据。它们擅长利用数据轻松表示整个区域所需测量的可变性。...这提供了一种可视化地理区域内值的方法，该值可以显示所显示位置的变化或模式。 在Python中使用Choropleth 在这里，我们将使用 2014年全球不同国家/地区的电力消耗数据集。...colorscale ='Viridis'：显示一个颜色图（f或更多颜色比例，请参阅 此处）。 location = df ['Country']：添加所有国家/地区的列表。...在Python中使用密度图 在这里，我们将使用世界范围 的地震及其震级数据集。 好的，让我们开始吧。 导入库 ? 创建/解释我们的DataFrame ? ?
每个括号内的列表都代表了我们 dataframe 中的一行，每列都以 key 表示：我们正在处理一个国家的排名，人均 GDP（以美元表示）及其名称（用「国家」）。...我们将使用正则表达式来替换 gdppercapita 列中的逗号，以便我们可以更容易地使用该列。 ? re.sub 方法本质上是使用空格替换逗号。以下教程详细介绍了 re库的各个方法。...我们为一个新的 dataframe 分配一个布尔索引的过滤器，这个方法基本上就是说「创建一个人均 GDP 超过 50000 的新 dataframe」。现在我们可以显示gdp50000。 ?...有12个国家的 GDP 超过 50000！ 选择属于以 s 开头的国家的行。 现在可以显示一个新 dataframe，其中只包含以 s 开头的国家。...幸运的是,使用 Pandas 中的 drop 方法，你可以轻松地删除几列。 ? ? 现在我们可以看到，人均 GDP 根据世界不同地区而不同。我们有一个干净的、包含我们想要的数据的表。
我们将使用正则表达式来替换 gdp_per_capita 列中的逗号，以便我们可以更容易地使用该列。 ? re.sub 方法本质上是使用空格替换逗号。以下详细介绍了 re库 的各个方法。...我们为一个新的 dataframe 分配一个布尔索引的过滤器，这个方法基本上就是说「创建一个人均 GDP 超过 50000 的新 dataframe」。现在我们可以显示gdp50000。 ?...有12个国家的 GDP 超过 50000！ 选择属于以 s 开头的国家的行。 现在可以显示一个新 dataframe，其中只包含以 s 开头的国家。...对于熟悉 SQL join 的用户，你可以看到我们正在对原始 dataframe 的 Country 列进行内部连接。 ? 现在我们有一个连接表，我们希望将国家和人均 GDP 按其所在地区进行分组。...现在我们可以看到，人均 GDP 根据世界不同地区而不同。我们有一个干净的、包含我们想要的数据的表。
重塑 DataFrame 是数据科学中一项重要且必不可少的技能。在本文中，我们将探讨 Pandas Melt() 以及如何使用它进行数据处理。...最简单的melt 最简单的melt()不需要任何参数，它将所有列变成行（显示为列变量）并在新列值中列出所有关联值。...换句话说，我们将所有日期列转换为值。使用“省/州”、“国家/地区”、“纬度”、“经度”作为标识符变量。我们稍后将它们进行合并。...所有这些都按日期和国家/地区排序，因为原始数据已经按国家/地区排序，并且日期列已经按 ASC 顺序排列。...它非常方便，是数据预处理和探索性数据分析过程中最受欢迎的方法之一。 重塑数据是数据科学中一项重要且必不可少的技能。我希望你喜欢这篇文章并学到一些新的有用的东西。
我的理解 字符串或编译的正则表达式，可选 包含与此正则表达式或字符串匹配的文本的一组表将返回。 除非HTML非常简单，否则您可能需要在此处传递一个非空字符串。...我的理解 少用，默认值为0，表示删除包含缺少值的行；值为1，表示删除包含缺少值的列。...我的理解 简单点说，就是替换NA（空值）的值。如果是直接给值，表示全部替换； 如果是字典： {列名:替换值} 表示替换掉该列包含的所有空值。...pad / ffill：按列检索，将最后一次不为空的值赋给下一个空值。 backfill / bfill：按列检索，将下一个不为空的值赋给该空值。...上面我们已经拿到了2019富豪榜（60亿美元以上的）的数据，包含排名、姓名、财富数额、财富来源、国家这些信息，明确数据属性后，我们就该想一下我们能从那些方面去分析那些问题？
GeoDataFrame包含一个或多个GeoSeries（延伸PandasSeries）每个都包含在一个不同的几何形状的投影（GeoSeries.crs）。...虽然GeoDataFrame可以有多个GeoSeries列，但其中只有一个是活动几何图形，即所有几何操作都在该列上。 在下一节中，我们将一起学习如何使用一些常见的函数，如边界、质心和最重要的绘图方法。...团队的数据集包含团队名称、项目、NOC（国家/地区）和事件列。在本练习中，我们将仅使用 NOC 和 项目 列。...▲ df_world df_world 的类型是 GeoDataFrame 与大陆（国家）的名称和几何列（国家地区）。...为此，首先创建一个仅包含参与最少的国家的数据集，然后将此数据集 df_teams_least_participated_disciplines 和 df_world 合并，然后计算质心。
大家好，又见面了，我是你们的朋友全栈君。...还可以包含一个prior_scale 列，以便为每个假日分别设置先前的比例，如下所述。...在这里，我们创建一个dataframe，其中包括Peyton Manning所有季后赛出场的日期： # Python playoffs = pd.DataFrame({ 'holiday': 'playoff...这意味着超级碗效应将在季后赛效应之外的额外叠加。 创建dataframe后，通过使用holidays参数传递假日效应，将其包含在预测中。...有一个参数seasonality_prior_scale可以类似地调整季节性模型拟合数据的程度。 可以在假期的dataframe中包含一列prior_scale来设置先验scales。
Pandas数据结构 Series 在Pandas中，最常用的就是数据结构就是Series和DataFrame。Series是带标签的一维数组，可以储存的数字、字符串等常见对象。...： a对象的名称是：num DataFrame DataFrame是由多种类型的列构成的二维标签数据结构，可以理解做为Excel表格或者数据库中的表。...的长度不可改变，但是DataFrame里就可以插入新的列。...[3, '电影名称']) # 获取index是2 ,第2列的内容 print(df.iat[2, 1]) #代码运行结果： 无间道 無間道 2009 在选择或者查询数据的时候，肯定会带又一些条件，这时候我们可以直接选择某一个列...[:10]) #统计制作国家的电影数的前十国家/地区 print(df['制片国家/地区'].value_counts()[:10]) #代码运行结果： 2010 13 2004 13 1994
我们采用新冠肺炎的数据举例，网址如下： https://www.worldometers.info/coronavirus/ 浏览该网页后，我们想获取下图的表格数据。 ?...但是这个字符串太长了，我无法找到从 info 字符串里找到上面 Table 源代码所在的地方。...返回的结果是一个包含 128 个元素的列表（表示这个 Table 有 128 行），接下来就需要把 Table 每一行的元素一一取出。...第三步 - 获取每行字符串中的各种信息 我们来看看表格，发现所有行分三种模式： 第一行：都是粗体字，而且分两行写 中间行：第一个是字符串，后面都是数字 最后一行：第一个是字符串，后面都是数字 ?...结果无敌难看，有两点要改进： 把第一栏每个国家或地区的名称当成行标签（index） 把第一行标题当成列标签（columns） 先搞定行标签。 df = df.set_index(0)df ?
还可以包含一个prior_scale 列，以便为每个假日分别设置先前的比例，如下所述。...在这里，我们创建一个dataframe，其中包括Peyton Manning所有季后赛出场的日期： # Python playoffs = pd.DataFrame({ 'holiday': 'playoff...这意味着超级碗效应将在季后赛效应之外的额外叠加。 创建dataframe后，通过使用holidays参数传递假日效应，将其包含在预测中。...通过country_name指定国家/地区的名称，然后在上述holidays 参数指定的假日外，将包含该国家主要假日： # Python m = Prophet(holidays=holidays) m.add_country_holidays...有一个参数seasonality_prior_scale可以类似地调整季节性模型拟合数据的程度。 可以在假期的dataframe中包含一列prior_scale来设置先验scales。
②添加详细信息可以使粒度浓度增加：国家地区->详细信息 ? ③显示每一个数据值：分析->取消聚合度量 ? 2、聚合 聚合分为度量集合和维度聚合，常用的为度量集合。...创建详细级别表达式需要两步： ①汇总每一个订单ID的利润：创建订单利润 ②对每个国家/地区所有的值取一个平均 ? ③双击国家/地区，订单利润->>颜色和标签 ?...如果这方面不懂，你可以这样理解：之前是产品维度，计算各地区的利润平均；后来是以订单维度；因为是计算平均值，两者的分母不同(产品情况下分母会大一些，所以产品维度计算结果偏小) ?...如果不能理解上面的话，也可以这样理解： ①FIXED不管订单是不是同一个国家，INCLUDE会单独计算同一个订单的不同国家。...②FIXED忽略分类对总订单求和，INCLUDE对每个子类别包含的订单求和，同时INCLUDE子类别全累加等于该订单总额。
各位小伙伴们，大家好，我是学谦，咱们又见面了。...但是有一个大BUG一点小问题： 因为全球只有200左右个国家和地区，country层面的数据应该只有200左右。但是，我习惯性地瞥了一眼MySQL右下角，发现： ?...难道最近的国际局势变化这么大，已经有567个国家和地区了？不可能吧。抓紧查询一下，发现果然有问题： ? 全球每一个国家和地区的数据都显示了三次，567/3=189，这还差不多。...我们看一下数据，有一列“lastupdated”，是时间格式，也就是查询的时间，由于我们只关心日期数据，因此只取出日期就可以。...MySQL数据库的表中初始有378条数据（因为包含了3月27日和3月28日两天的数据，共189个国家和地区的数据），运行代码后，仍然是378条，之前已有的3月28日的数据被删除，然后添加了刚刚查询到的最新数据
第四个也是最后一个步骤是将CSV文件读入一个名为“df”的DataFrame中。...首先，我们使用groupby函数按国家分割数据。然后我们对每组(即每个国家)的所有日期列应用一个求和函数，因此我们需要排除第一列“国家/地区”。最后，我们将结果合并到一个df中。...在一个图中绘制多个国家的时间序列非常简单。首先创建基本块，并为每个国家添加一层。...在我们的最后一个图中，我们将绘制美国每天的新病例。要做到这一点，我们必须计算连续天数之间的差值。因此，对于时间序列的第一天，这个值将不可用。...两者都是开源的。我喜欢Julia的原因是它的高性能以及它与其他编程语言(如Python)的互操作性。我喜欢Python的地方在于它庞大的包集合和庞大的在线社区。
但是，创建多个实体将意味着创建几个仅具有少量属性且没有行为或行为最少的对象。最小的行为转化为少量的方法。基本上，对于您需要的每个实体，都必须创建一个新的对象。那将是浪费。...在本文中，我想举例说明Enums的用法，该枚举具有多个属性和一个表示国家的构造函数。您可以在本文末尾找到GitHub链接，以链接到此处示例的所有代码。有关枚举是什么的信息，请参考官方文档。...请记住，我们将使用Selenium读取网页中的值，并将它们作为String返回，我们可以创建一个预期的String国家值列表。首先，我将创建列表并向其中添加第一个元素，它是一个空字符串。...因为JavaScript是在从国家/地区下拉列表中选择一个国家/地区后将信息加载到城市/下拉菜单中的一种，所以该测试将：选择每个国家/地区，并针对每个选定的国家/地区检查城市下拉列表。...为每个国家/地区从头开始创建预期和实际城市列表。它们仅包含与该国家/地区对应的信息。
针对任务 1，报告中应包含但不限于如下要点： （1） 任务 1.1 需要展示 2020 年年度销售额前 3 名的国家及其年增长率。 （2） 任务 1.2 需要展示各地区有关服务分类利润数据。...True)[0] year 输出为： 备注：上面代码中对时间数据进行处理，用时间类型会更好一些，所以转变成字符串的方式未必最佳 year_data = salesData.loc[:, ["国家.../各地区各国家有关服务分类销售额和利润数据.csv") a 输出为： 1.3.1统计各个销售经理的成交合同数和成交率 salespersonData 输出为： 通过对列”销售经理“进行分组，...我们可以通过销售经理在某地区某日期的成就率，求出该时销售经理的总销售合同即以成交的合同和非成交的合同，再通过成交合同比上总合同数求出该经理的成交率： job3 = salespersonData.loc...solver仅能够使用的求解方式”liblinear“和”sage“ C：C正则化强度的倒数，必须是一个大于0的浮点数，不填写默认是1.0，即默认正则化与损失函数的比值是1：1，C越小，损失函数会越小
GeoDataFrame是包含GeoSeries的数据结构，它是多列的，但其中一列必然是GeoSeries列，这个GeoSeries列被称作GeoDataFrame中的几何列。...比如：人口pop_est、大洲continent、国家名字name等 world.plot()则是将GeoDataFrame变成图形展示出来，得到世界地图： 假如说，我只想显示每个地区的中心点，像这样...') world.plot() plt.show() world.centroid返回一个GeoSeries，里面包含每个地区的中心点空间数据。....set_geometry函数则是将新增列设置为几何列，这样就会按照新的几何列显示地图。...前面的世界地图都是一个颜色，如果我想按照每个地区人口数量给世界地图上色，该怎么办？
一个常见的业务问题可能是：“每个地区的总人口是多少？”鉴于 regions 表没有包含该信息的列，答案只能通过计算每个地区每个国家/地区的 population 列的总和来提供。...但是，该查询不能仅仅将 196 行放入七行；它需要根据属于该地区的国家/地区的人口计算每个地区的总人口。...此查询显示了其他一些有趣的内容。尽管在 regions 表中包含七个地区，但此查询只产生了六行。这是因为存在一个地区“南极洲”，但在 countries 表中没有该 region_id 的国家。...要执行此操作，请根据所有行的唯一第一个字母值创建与组一样多的组，方法是使用 SUBSTR() 函数，然后计算属于该组或类别中的行： SQL> SELECT SUBSTR(name,1,1), COUNT...到目前为止，未定义的行排序已经奏效，除了“每个第一个字母的国家/地区”之外。
构造电影数据集 我这里用Python的pandas库构造了DataFrame数据框，pandas是非常有用的数据处理工具，各种逆天接口让你爽翻。...) Movies 运行后得到结果： 可以看到，该数据集包含3个标称特征（类型、地区、适宜儿童），1个有序特征（评星），1个数值特征（时长）。...这不是我们要的目的，最优的操作是，能判别出非此即彼，某电影要么是欧美片要么不是欧美片，要么是内陆片要么不是内陆片。。。。对每种地区进行判断，只有两种结果，是和不是。 解决该问题的方法是独热编码技术。...即创建一个虚拟特征，虚拟特征的每一列各代表标称数据的一个值。 把‘地区’这1列裂变成4列： 1代表该电影属于该地区，0代表不属于该地区。 这就是独热编码，这样表示有利于分类器的更好运算。...，0代表否，1代表是 还可以用pandas（神器）中的get_dummies方法实现独热编码技术，该方法只对字符串列进行转换，数值列保持不变。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
即时通信 IM
ICP备案
对象存储
实时音视频
