❶ 求助python大神，工作实例pandas数据分析
你的意思是比较每台机的宽，不符合的挑出来？ 那每台机的返回值是什么？
你需要些一个函数func func把行变量作为参数，能对每一行操作，然后dataframe.apply(func, axis=1)
❷ 怎么利用pandas做数据分析
Pandas是Python下一个开源数据分析的库，它提供的数据结构DataFrame极大的简化了数据分析过程中一些繁琐操作。
1. 基本使用：创建DataFrame. DataFrame是一张二维的表，大家可以把它想象成一张Excel表单或者Sql表。Excel 2007及其以后的版本的最大行数是1048576，最大列数是16384，超过这个规模的数据Excel就会弹出个框框“此文本包含多行文本，无法放置在一个工作表中”。Pandas处理上千万的数据是易如反掌的sh事情，同时随后我们也将看到它比SQL有更强的表达能力，可以做很多复杂的操作，要写的code也更少。
说了一大堆它的好处，要实际感触还得动手码代码。首要的任务就是创建一个DataFrame，它有几种创建方式：
（1）列表，序列(pandas.Series), numpy.ndarray的字典
二维numpy.ndarray
别的DataFrame
结构化的记录(structured arrays)
（2）其中，二维ndarray创建DataFrame，代码敲得最少：
import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randn(10, 4))
df
0 1 2 3
0 0.927474 0.127571 1.655908 0.570818
1 -0.425084 -0.382933 0.468073 -0.862898
2 -1.602712 -0.225793 -0.688641 1.167477
3 -1.771992 -0.692575 -0.693494 -1.063697
4 -0.456724 0.371165 1.883742 -0.344189
5 1.024734 0.647224 1.134449 0.266797
6 1.247507 0.114464 2.271932 -0.682767
7 -0.190627 -0.096997 -0.204778 -0.440155
8 -0.471289 -1.025644 -0.741181 -1.707240
9 -0.172242 0.702187 -1.138795 -0.112005
（3）通过describe方法，可以对df中的数据有个大概的了解：
df.describe()
0 1 2 3
count 10.000000 10.000000 10.000000 10.000000
mean -0.189096 -0.046133 0.394722 -0.320786
std 1.027134 0.557420 1.258019 0.837497
min -1.771992 -1.025644 -1.138795 -1.707240
25% -0.467648 -0.343648 -0.692281 -0.817865
50% -0.307856 0.008734 0.131648 -0.392172
75% 0.652545 0.310266 1.525543 0.172096
max 1.247507 0.702187 2.271932 1.167477
2. 改变cell。
3. group by。
4. 读写文件。
❸ pandas怎样对数据进行遍历
pandas.DataFrame.iterrows
DataFrame.iterrows()
迭代(iterate)覆盖整个DataFrame的行中，返回(index, Series)对。
import numpy as np
import pandas as pd
def _map(data, exp):
for index, row in data.iterrows(): # 获取每行的index、row
for col_name in data.columns:
row[col_name] = exp(row[col_name]) # 把结果返回给data
return data
def _1map(data, exp):
_data = [[exp(row[col_name]) # 把结果转换成2级list
for col_name in data.columns]
for index, row in data.iterrows()
]
return _data
if __name__ == "__main__":
inp = [{'c1':10, 'c2':100}, {'c1':11,'c2':110}, {'c1':12,'c2':120}]
df = pd.DataFrame(inp)
temp = _map(df, lambda ele: ele+1 )
print temp
_temp = _1map(df, lambda ele: ele+1)
res_data = pd.DataFrame(_temp) # 对2级list转换成DataFrame
print res_data
❹ python pandas 高效的分析两列数据，并生成结果到三列。
首先，为了以后在处理大量数据的效率，一定要养成【不】使用循环的方式处理pandas或者numpy数据的习惯， 最好使用包内置的方法或者被重载过的通用方法来实现。以前刚接触pandas的时候，处理10W+的是数据的时候，用循环处理，等了半天都没有结果。
对于你的代码，发现虽然有if了， 但却没有else哈，也就是说你只考虑到匹配的情况下的逻辑， 但对于没匹配的处理却没有写出来。
❺ 用pandas做数据分析
这个软件做数据分析是非常不错的，值得信赖。
❻ 怎么用python panda 算股票市场收益率
1.收集数据，开盘价，收盘价，交易量
2.用pandas处理数据，处理缺失值
3.用股票收益率的公式带入
说白了，pandas只是个好用的工具，方法都是一样的，只是效率问题
有多少人工，就有多少智能
❼ 怎样用python提取不同股票csv里特定时间段的数据
用pandas库，
import pandas as pd
data = pd.read_csv('train.csv')
train_data = data.values[0:TRAIN_NUM,1:]
train_label = data.values[0:TRAIN_NUM,0]
study.163.com/course/courseMain.htm?courseId=1000035
机器学习正好讲了这个手写识别的例子！
❽ 有人可以代做一下pandas数据分析吗
下载个Anaconda装一下，里面的Spyder非常好用，能直观地看到你pandas处理的表格（DataFrame变量）
你会发现python很简单～
❾ pandas怎样对数据进行遍历相关信息
pandas.DataFrame.iterrows
DataFrame.iterrows()
迭代(iterate)覆盖整个DataFrame的行中，返回(index, Series)对。
import numpy as np
import pandas as pd
def _map(data, exp):
for index, row in data.iterrows(): # 获取每行的index、row
for col_name in data.columns:
row[col_name] = exp(row[col_name]) # 把结果返回给data
return data
def _1map(data, exp):
_data = [[exp(row[col_name]) # 把结果转换成2级list
for col_name in data.columns]
for index, row in data.iterrows()
]
return _data
if __name__ == "__main__":
inp = [{'c1':10, 'c2':100}, {'c1':11,'c2':110}, {'c1':12,'c2':120}]
df = pd.DataFrame(inp)
temp = _map(df, lambda ele: ele+1 )
print temp
_temp = _1map(df, lambda ele: ele+1)
res_data = pd.DataFrame(_temp) # 对2级list转换成DataFrame
print res_data
❿ 用python数据分析是不是用的pandas
pandas包最基本的功能
1、读取数据：
data = pd.read_csv('my_file.csv')
data=pd.read_csv('my_file.csv',sep=';',encoding='latin-1',nrows=1000, kiprows=[2,5])
sep变量代表分隔符。因为Excel中的csv分隔符是“;”，因此需要显示它。编码设置为“latin-1”以读取法语字符。nrows=1000表示读取前1000行。skiprows=[2,5]表示在读取文件时将删除第2行和第5行
最常用的函数：read_csv, read_excel
还有一些很不错的函数：read_clipboard、read_sql
2、写入数据
data.to_csv('my_new_file.csv', index=None)
index=None将简单地按原样写入数据。如果你不写index=None，会得到额外的行。
我通常不使用其他函数，比如to_excel，to_json，to_pickle，to_csv，虽然它们也做得很好，但是csv是保存表最常用的方法。
3、检查数据：
data.shape
data.describe()
data.head(3)
.head(3)打印数据的前3行，.tail()函数将查看数据的最后一行。
data.loc[8]
打印第8行。
data.loc[8, 'column_1']
将第8行值打印在“column_1”上。
data.loc[range(4,6)]
打印第4行到第6行。