파이썬에서 일반적으로 사용되는 명령은 무엇입니까?

Python에서 일반적으로 사용되는 명령은 다음과 같습니다. 1. csv 파일 열기 2. 데이터 순서 변경 3. 표준 편차 찾기 5. Hilbert 변환 6. 특정 열 등에 따라 오름차순 또는 내림차순으로 정렬합니다. ㅋㅋㅋ

(2) 데이터프레임 인덱스 재정렬

import pandas as pd 
df=pd.read_csv(r’data/data.csv’)

(3) 특정 열에 따라 데이터프레임을 오름차순 또는 내림차순으로 배열합니다.

data=df.sort_index(axis=0,ascending=False)

(4) 데이터프레임의 인덱스가 다시 0부터 시작됩니다.

data=df.sort([‘date’],ascending=True升序，False降序)

(5) 가로좌표가 날짜가 되는 그래프를 그립니다.

data=data.reset_index(drop=True)

(6) 표준편차 구하기

import matplotlib.pyplot as plt 
x=data[‘date’]#日期是字符串形式 
y=data[‘close price’] 
plt.plot_date(x,y)

(7) 반올림

import numpy as np 
np.std

반올림: math.ceil

(8) 힐베르트 변환

import math 
math.floor

(9) 값 정렬

from scipy import fftpack 
hx= fftpack.hilbert(price)

(10) 차이

data.order()

(11) 중첩 배열 처리 방법

data.diff(1)#一阶差分
dataframe 删除元素 
data.drop(元素位置)

(12) 데이터 프레임 수정 열 이름

import itertools 
a = [[1,2,3],[4,5,6], [7], [8,9]] 
out = list(itertools.chain.from_iterable(a))

(13) Excel 테이블을 가져온 후 빈 행에 대한 해결 방법

data.columns=[‘num’,’price’]

(15) diff 사용법

1. 데이터 프레임 또는 시리즈 형식입니다. , 직접 data.diff()를 사용하세요

2. 목록 형식이므로 먼저 목록 형식으로 변환 data=data.tolist() 한 다음 dif=np.diff(data)

(16) 날짜 유형 데이터 프레임의 데이터 형식은 날짜 형식이 아니어서 직접 더하거나 뺄 수 없으므로 먼저 목록 형식으로 변환하십시오.

import numpy as np 
data= data.drop(data.loc[np.isnan(data.name.values)].index)

(17) 기호화

t=data.time.tolist() 
date_time = datetime.datetime.strptime(str(t),’%Y-%m-%d %H:%M:%S’) 
date_time=datetime.date(date_time.year,date_time.month,date_time.day) 
past= date_time - datetime.timedelta(days=n*365)

(18) 사전 사용

np.sign

(19) 중국어가 문제를 해결하는 방법 plt로 그릴 때 문자가 표시되지 않습니다

label={‘11’:’TP’,’1-1’:’FN’,’-11’:’FP’,’-1-1’:’TN’} 
for i in range(len(data1)): 
state=str(int(data1[i]))+str(int(data2[i])) 
result.append(label[state])

(20) 프로그램의 현재 실행 시간 가져오기

from matplotlib.font_manager import FontProperties 
font_set = FontProperties(fname=r”c:\windows\fonts\simsun.ttc”, size=15) 
plt.title(u’中文’, fontproperties=font_set）

요약: 위 내용은 이 기사의 전체 내용입니다. 모든 사람에게 도움이 되기를 바랍니다.

위 내용은 파이썬에서 일반적으로 사용되는 명령은 무엇입니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!