Numpy và pandas cheat sheet pdf
Chuyển đến nội dung chính
Có liên quan Các tài nguyên hàng đầu năm 2022 để nâng cao kỹ năng dữ liệu của bạnNhận quyền truy cập vào các tài nguyên hoạt động hiệu quả nhất của chúng tôi từ năm 2022, bao gồm hội thảo trên web, bài đăng trên blog, sách trắng, bảng gian lận, hướng dẫn và bài viết, tất cả đều được thiết kế để giúp bạn nâng cao kỹ năng dữ liệu và mở rộng quy mô văn hóa dữ liệu của tổ chức bạn. Bắt đầu học hỏi và phát triển kiến thức chuyên môn về dữ liệu của bạn ngay hôm nay Show
Dữ liệu văn bản trong Python Cheat SheetChào mừng bạn đến với bảng gian lận của chúng tôi để làm việc với dữ liệu văn bản trong Python. Chúng tôi đã biên soạn một danh sách các hàm và gói hữu ích nhất để dọn dẹp, xử lý và phân tích dữ liệu văn bản trong Python, cùng với các ví dụ và giải thích rõ ràng, vì vậy bạn sẽ có mọi thứ cần biết về cách làm việc với dữ liệu văn bản trong Python.Hướng dẫn về tập hợp và lý thuyết tập hợp trong PythonTìm hiểu về bộ Python. chúng là gì, cách tạo chúng, khi nào sử dụng chúng, các chức năng tích hợp và mối quan hệ của chúng với các hoạt động lý thuyết thiết lậpHướng dẫn về gấu trúc. Khung dữ liệu trong PythonKhám phá phân tích dữ liệu với Python. Pandas DataFrames giúp thao tác dữ liệu của bạn dễ dàng, từ việc chọn hoặc thay thế các cột và chỉ mục để định hình lại dữ liệu của bạnXem ThêmXem ThêmChuyển đến nội dung chínhCó liên quan Các tài nguyên hàng đầu năm 2022 để nâng cao kỹ năng dữ liệu của bạnNhận quyền truy cập vào các tài nguyên hoạt động hiệu quả nhất của chúng tôi từ năm 2022, bao gồm hội thảo trên web, bài đăng trên blog, sách trắng, bảng gian lận, hướng dẫn và bài viết, tất cả đều được thiết kế để giúp bạn nâng cao kỹ năng dữ liệu và mở rộng quy mô văn hóa dữ liệu của tổ chức bạn. Bắt đầu học hỏi và phát triển kiến thức chuyên môn về dữ liệu của bạn ngay hôm nayDữ liệu văn bản trong Python Cheat SheetChào mừng bạn đến với bảng gian lận của chúng tôi để làm việc với dữ liệu văn bản trong Python. Chúng tôi đã biên soạn một danh sách các hàm và gói hữu ích nhất để dọn dẹp, xử lý và phân tích dữ liệu văn bản trong Python, cùng với các ví dụ và giải thích rõ ràng, vì vậy bạn sẽ có mọi thứ cần biết về cách làm việc với dữ liệu văn bản trong Python.Hướng dẫn về tập hợp và lý thuyết tập hợp trong PythonTìm hiểu về bộ Python. chúng là gì, cách tạo chúng, khi nào sử dụng chúng, các chức năng tích hợp và mối quan hệ của chúng với các hoạt động lý thuyết thiết lậpHướng dẫn về gấu trúc. Khung dữ liệu trong PythonKhám phá phân tích dữ liệu với Python. Pandas DataFrames giúp thao tác dữ liệu của bạn dễ dàng, từ việc chọn hoặc thay thế các cột và chỉ mục để định hình lại dữ liệu của bạnXem ThêmXem ThêmNếu bạn thích làm việc với dữ liệu trong Python, thì gần như chắc chắn bạn sẽ sử dụng thư viện pandas. Nhưng ngay cả khi bạn đã học về gấu trúc — có lẽ trong khóa học về gấu trúc tương tác của chúng tôi — bạn vẫn dễ quên cú pháp cụ thể để thực hiện một thao tác nào đó. Đó là lý do tại sao chúng tôi đã tạo một bảng cheat pandas để giúp bạn dễ dàng tham khảo các nhiệm vụ pandas phổ biến nhất Trước khi chúng tôi đi sâu vào bảng gian lận, điều đáng nói là bạn không nên chỉ dựa vào điều này. Nếu bạn chưa học bất kỳ chú gấu trúc nào, chúng tôi thực sự khuyên bạn nên học qua khóa học về gấu trúc của chúng tôi. Bảng cheat này sẽ giúp bạn nhanh chóng tìm và nhớ lại những điều bạn đã học về gấu trúc; Thỉnh thoảng, bạn cũng nên kiểm tra tài liệu chính thức về gấu trúc, ngay cả khi bạn có thể tìm thấy thứ mình cần trong bảng gian lận. Đọc tài liệu là một kỹ năng mà mọi chuyên gia dữ liệu đều cần và tài liệu đi vào chi tiết hơn rất nhiều so với mức chúng ta có thể gói gọn trong một trang tính. Nếu bạn đang muốn sử dụng gấu trúc cho một tác vụ cụ thể, chúng tôi cũng khuyên bạn nên xem danh sách đầy đủ các hướng dẫn Python miễn phí của chúng tôi; . Ví dụ: trong hướng dẫn về ngày giờ Python của chúng tôi, bạn cũng sẽ học cách làm việc với ngày và giờ trong pandas Bảng cheat Pandas. Hướng dẫnTrước tiên, bạn nên đánh dấu trang này, trang này sẽ dễ dàng tìm kiếm bằng Ctrl+F khi bạn đang tìm kiếm nội dung nào đó cụ thể. Tuy nhiên, chúng tôi cũng đã tạo phiên bản PDF của bảng gian lận này mà bạn có thể tải xuống từ đây trong trường hợp bạn muốn in nó ra Trong cheat sheet này, chúng ta sẽ sử dụng tốc ký sau
Khi cuộn xuống, bạn sẽ thấy chúng tôi đã sắp xếp các lệnh liên quan bằng cách sử dụng các tiêu đề phụ để bạn có thể nhanh chóng tìm kiếm và tìm đúng cú pháp dựa trên tác vụ mà bạn đang cố hoàn thành Ngoài ra, một lời nhắc nhanh — để sử dụng các lệnh được liệt kê bên dưới, trước tiên bạn cần nhập các thư viện có liên quan như sau
Nhập dữ liệuSử dụng các lệnh này để nhập dữ liệu từ nhiều nguồn và định dạng khác nhau
Sử dụng các lệnh này để xuất DataFrame sang CSV,. xlsx, SQL hoặc JSON
Các lệnh này có thể hữu ích để tạo phân đoạn thử nghiệm
Sử dụng các lệnh này để xem các phần cụ thể trong DataFrame hoặc Sê-ri gấu trúc của bạn
Sử dụng các lệnh này để chọn một tập hợp con cụ thể của dữ liệu của bạn
Sử dụng các lệnh này để thực hiện nhiều tác vụ làm sạch dữ liệu
Sử dụng các lệnh này để lọc, sắp xếp và nhóm dữ liệu của bạn
Sử dụng các lệnh này để kết hợp nhiều khung dữ liệu thành một khung duy nhất
Sử dụng các lệnh này để thực hiện các bài kiểm tra thống kê khác nhau. (Tất cả những điều này cũng có thể được áp dụng cho một bộ. )
Nếu bạn muốn tải xuống phiên bản có thể in được của bảng gian lận này, bạn có thể làm như vậy tại đây Tài nguyên khácNếu bạn muốn tìm hiểu thêm về chủ đề này, hãy xem khóa học tương tác về Pandas và NumPy cơ bản của Dataquest và các đường dẫn Nhà phân tích dữ liệu bằng Python và Nhà khoa học dữ liệu trong Python của chúng tôi sẽ giúp bạn sẵn sàng cho công việc trong khoảng 6 tháng Nâng cao kỹ năng dữ liệu của bạn Xem kế hoạch Tìm hiểu tài nguyên Python Pandas Giới thiệu về tác giả Celeste GrupmanCeleste là Giám đốc Điều hành tại Dataquest. Cô đam mê tạo ra khả năng tiếp cận đào tạo kỹ năng chất lượng cao với chi phí hợp lý cho sinh viên trên toàn cầu Sự khác biệt giữa gấu trúc và NumPy là gì?Pandas chủ yếu được sử dụng cho các tác vụ phân tích dữ liệu trong Python. NumPy chủ yếu được sử dụng để làm việc với các giá trị Số vì nó giúp dễ dàng áp dụng các hàm toán học . Thư viện Pandas hoạt động tốt cho các loại dữ liệu số, bảng chữ cái và dữ liệu không đồng nhất.
Tôi nên học NumPy hay pandas trước?Đầu tiên, bạn nên học Numpy . Đây là mô-đun cơ bản nhất cho tính toán khoa học với Python. Numpy cung cấp sự hỗ trợ của các mảng đa chiều được tối ưu hóa cao, là cấu trúc dữ liệu cơ bản nhất của hầu hết các thuật toán Machine Learning. Tiếp theo, bạn nên học Pandas.
Bạn có thể sử dụng NumPy với gấu trúc không?Pandas được xây dựng dựa trên NumPy, có nghĩa là gói pandas Python phụ thuộc vào gói NumPy và cả pandas dự định với nhiều thư viện bên thứ 3 khác. Vì vậy, chúng tôi có thể nói rằng Numpy là cần thiết để vận hành Pandas .
pandas cheat sheet là gì?Bảng cheat Pandas sẽ hướng dẫn bạn thông tin cơ bản về thư viện Pandas, đi từ cấu trúc dữ liệu đến I/O, lựa chọn, bỏ chỉ mục hoặc cột, sắp xếp và xếp hạng, truy xuất thông tin cơ bản của cấu trúc dữ liệu bạn đang làm việc để áp dụng |