**前言** 在报表数据处理中，Excel公式拥有强大而多样的功能，广泛应用于各个业务领域。无论是投资收益计算、财务报表编制还是保险收益估算，Excel公式都扮演着不可或缺的角色。传统的做法是直接依赖Excel来实现复杂的业务逻辑，并生成相应的Excel文件。因此只需在预设位置输入相应参数，Exce
在当今数字化时代，数据分析和可视化成为企业决策和发展的重要支撑，很多 BI 工具昂贵的许可费用，让许多中小型企业用户和个人用户望而却步，开源 BI 工具的出现，让其成为很多用户进行数据分析展示的首选。目前市面上主流的开源 BI 产品，例如 Metabase 和 Superset，都是由国外的开发者开发的，这导致国内用户上手的时候都觉得不适应。
在大数据和 AI 的时代背景下，数据已经成为了重要财富，大到政务数据、企业核心数据，小到个人信息、银行卡余额，这些数据无一例外都是“隐私数据”，如果在使用和流转时发生泄漏都会造成巨大的损失。
manim是一个生成数学教学视频的动画引擎。 它用编程的方式创建精美的数学动画，让数学更加易懂。 本教程简单介绍了 manim 的基本使用方式，基于 v0.17.2 版本 manim 安装 manim是基于python语言开发的开源框架，是由 3blue1brown 开发的。 本来是他们自己用来制作
pandas中用来承载数据的两个最重要的结构分别是： Series：相当于增强版的一维数组 DataFrame：相当于增强版的二维数组 pandas最大的优势在于处理表格类数据，如果数据维度超过二维，一般我们会使用另一个 python的库 numpy。 本篇主要介绍这两种核心数据结构的创建方式。 1
pandas的数据检索功能是其最基础也是最重要的功能之一。 pandas中最常用的几种数据过滤方式如下： 行列过滤：选取指定的行或者列 条件过滤：对列的数据设置过滤条件 函数过滤：通过函数设置更加复杂的过滤条件 本篇所有示例所使用的测试数据如下： import pandas as pd import
pandas进行数据整理的意义在于，它是数据分析、数据科学和机器学习的前置步骤。 通过数据整理可以提前了解数据的概要，缺失值、重复值等情况，为后续的分析和建模提供更为可靠的数据基础。 本篇主要介绍利用pandas进行数据整理的各种方法。 1. 数据概要 获取数据概要信息可以帮助我们了解数据的基本情况
pandas 作为一种常用的数据分析工具，提供了广泛的数据修改方法。 既可以针对行或者列的数据进行修改，也可以对具体单个元素进行修改，还可以基于条件选择要修改的行或者列的数据。 1. 增加数据 1.1 增加行数据 pandas的DataFrame增加一行或者多行数据之前是使用append方法。 im
`pandas`的数据排序可以帮助我们更好地理解和分析数据。 通过对数据进行排序，我们可以提取出特定的信息，例如最大值、最小值、中位数、众数等等，从而更准确地识别数据的特征和特点。 此外，数据排序还可以帮助我们更好地进行数据可视化，例如绘制直方图、箱线图等等，进一步帮助我们对数据进行解读和分析。 总
时间序列数据是数据分析中一类常见且重要的数据。 它们按照时间顺序记录，通常是从某些现象的观察中收集的，比如经济指标、气象数据、股票价格、销售数据等等。 时间序列数据的特点是有规律地随着时间变化而变化，它们的变化趋势可以被分析和预测。时间序列分析是一种用于预测未来值或评估过去值的统计方法，常常被用于预
在进行统计分析时，`pandas`提供了多种工具来帮助我们理解数据。 `pandas`提供了多个聚合函数，其中包括均值、标准差、最大值、最小值等等。 此外，`pandas`还可以进行基于列的统计分析，例如通过`groupby()`函数对数据进行聚合，并计算每组的统计分析结果。 除了基本的统计分析之外
`NumPy`（Numerical Python）是一个`Python`库，主要用于高效地处理多维数组和矩阵计算。它是科学计算领域中使用最广泛的一个库。 在`NumPy`中，**数组**是最核心的概念，用于存储和操作数据。 `NumPy`数组是一种多维数组对象，可以存储相同类型的元素，它支持高效的数
在`numpy`中，数组可以看作是一系列数值的有序集合，可以通过下标访问其中的元素。处理数组的过程中，经常需要用到数组过滤功能。 过滤功能可以在处理数据时非常有用，因为它可以使数据更加干净和可读性更强。例如，在进行数据分析时，通常需要去除异常值，过滤掉不必要的元素可以使数据更加易于分析和处理。 `n
目前为止，介绍的`numpy`数组基本都是关于数值的，其实，`numpy`本身就是一个用于数值计算的基础库。 不过，除了数值计算之外，`numpy`也能够支持**结构化数组**。 # 1. 关联不同类型数据 `numpy`的数组为了提高计算性能，要求数组的数据类型要一致。但是现实情况下，我们经常遇到
日常分析数据时，只有单一数据文件的情况其实很少见，更多的情况是，我们从同一个数据来源定期或不定期的采集了很多数据文件；或者从不同的数据源采集多种不同格式的数据文件。 在这样的情况下，分析数据之前，需要将不同的数据集合并起来。合并数据一般有两个维度，一是同构的数据集合并后行数增加；一是异构的数据集合并
重命名 `pandas` 数据中列的名称是一种常见的数据预处理任务。这通常是因为原始数据中的列名称可能不够清晰或准确。例如，列名可能包含空格、大写字母、特殊字符或拼写错误。 使用 `pandas` 的 `rename`函数可以帮助我们更改列名，从而使数据更加清晰和易于理解。此外，重命名列名还可以确保
在实际应用中，数据集中经常会存在缺失值，也就是某些数据项的值并未填充或者填充不完整。缺失值的存在可能会对后续的数据分析和建模产生影响，因此需要进行处理。 `pandas`提供了多种方法来处理缺失值，例如删除缺失值、填充缺失值等。删除缺失值可能会导致数据量减少，填充缺失值则能够尽量保留原始数据集的完整
字符串转数字的用途和场景很多，其中主要包括以下几个方面： 1. 数据清洗：在进行数据处理时，经常会遇到一些数据类型不匹配的问题，比如某些列中的字符串类型被误认为是数字类型，此时需要将这些字符串类型转换为数字类型，才能进行后续的数值计算或统计分析。 2. 数据整理：有时候输入的原始数据可能存在格式问题
Markdown进阶啦૮₍♡>𖥦< ₎ა~一些关于Markdown和Latex的公式语法复习
前面的transform只是对单个数据图像的处理，本文着重讲对多个数据图像的处理，并介绍科研中常用数据集的下载方式。
