Python数据分析

Python数据分析知识量：13 - 56 - 232

11.2 指定日期时间格式><

只展示日期- 11.2.1 -

利用date()函数可以只展示日期：

>>> datetime.now().date()
datetime.date(2021, 6, 24)

只展示时间- 11.2.2 -

利用time()函数可以只展示时间：

>>> datetime.now().time()
datetime.time(16, 16, 42, 747583)

自定义日期时间格式- 11.2.3 -

可以利用strftime()函数来自定义日期和时间的格式。具体参数如下：

代码	说明
%H	24小时制
%I	12小时制
%M	两位数的分
%S	秒[00,61] 其中，60和61用于闰秒。
%w	用整数表示星期几，从0开始计数。
%U	第几周，周日为每周的第一天。
%W	第几周，周一为每周的第一天。
%F	%Y-%m-%d的简写形式。
%D	%m/%d/%y的简写形式。

>>> datetime.now().strftime('%F')
'2021-06-24'
>>> datetime.now().strftime('%D')
'06/24/21'
>>> datetime.now().strftime('%I')
'04'
>>> datetime.now().strftime('%W')
'25'

Python数据分析

1.背景知识

1.1 为什么选择Python

1.2 重要的模块

2.NumPy数组

2.1 ndarray多维数组

2.2 创建普通数组

2.3 创建特殊数组

2.4 创建随机数组

2.5 数组的属性

2.6 选取一维数据

2.7 选取多维数组

2.8 数据预处理

2.9 数组重塑

2.10 数组合并

2.11 数据分析函数

3.pandas基础

3.1 Series数据结构

3.2 DataFrame数据结构

4.获取数据

4.1 导入Excel数据

4.2 导入csv文件

4.3 导入txt文件

4.4 导入sql文件

5.预处理数据

5.1 熟悉数据

5.2 处理缺失值

5.3 处理重复值

5.4 处理异常值

5.5 类型转换

5.6 设置索引

6.选择数据

6.1 选择列

6.2 选择行

6.3 选择行列

7.操作数据

7.1 数据替换

7.2 数据排序

7.3 数据排名

7.4 数据删除

7.5 数据计数

7.6 数据查找

7.7 数据切分

7.8 操作行列

7.9 高级数据操作

8.数据计算

8.1 算术运算

8.2 比较运算

8.3 汇总计算

9.分组与透视

9.1 数据分组

9.2 数据透视表

10.表的拼接

10.1 横向拼接

10.2 纵向拼接

11.时间序列

11.1 获取当前时刻

11.2 指定日期时间格式

11.3 时间格式转换

11.4 时间索引

11.5 时间计算

12.保存文件

12.1 保存为Excel文件

12.2 保存为CSV文件

13.数据可视化

13.1 画布和坐标系

13.2 常用图表类型

13.3 设置坐标轴

13.4 设置图表格式

13.5 绘制复杂图表

11.2 指定日期时间格式><

只展示日期- 11.2.1 -

只展示时间- 11.2.2 -

自定义日期时间格式- 11.2.3 -