Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
OpenDocCN
ds-ipynb-zh
提交
8c8a1c9b
D
ds-ipynb-zh
项目概览
OpenDocCN
/
ds-ipynb-zh
9 个月 前同步成功
通知
1
Star
74
Fork
24
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
D
ds-ipynb-zh
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
前往新版Gitcode,体验更适合开发者的 AI 搜索 >>
提交
8c8a1c9b
编写于
1月 14, 2019
作者:
W
wizardforcel
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
fmt
上级
4450be59
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
1 addition
and
1 deletion
+1
-1
docs/7.11.md
docs/7.11.md
+1
-1
未找到文件。
docs/7.11.md
浏览文件 @
8c8a1c9b
...
...
@@ -8,7 +8,7 @@
>
> 本节是[《Python 数据科学手册》](https://github.com/jakevdp/PythonDataScienceHandbook)(Python Data Science Handbook)的摘录。
大数据分析的必要部分是有效的总结:计算聚合,如
`sum()``,``mean()``,``median()``,``min()``和`` max()``,其中单个数字提供了大数据集的潜在本质的见解。在本节中,我们将探讨 Pandas 中的聚合,从类似于我们在 NumPy 数组中看到的简单操作,到基于``groupby``概念的更复杂的操作。
大数据分析的必要部分是有效的总结:计算聚合,如
`
`
sum()``
,
``mean()``
,
``median()``
,
``min()``
和
`` max()``
,其中单个数字提供了大数据集的潜在本质的见解。在本节中,我们将探讨 Pandas 中的聚合,从类似于我们在 NumPy 数组中看到的简单操作,到基于
``groupby``
概念的更复杂的操作。
为方便起见,我们将使用
``display``
魔术函数,和我们在前面部分中看到的相同:
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录