三月下旬新内容速递丨JVM调优、权限体系与函数进阶

春日渐暖,学习正酣!三月下旬更新聚焦JVM参数实战、权限体系拆解、多种分析法与AI架构入门,助你在数据与技术的融合中持续进阶!


一、场景应用精选

【数析课堂】别只盯着总数!用“结构分析法”一眼看穿业务真相》→跳出总量思维,深入业务结构发现机会。
【旭日图】数据的“家族族谱”与深度透视镜》→通过旭日图展示多层级数据关系,助力钻取分析。
【函数课堂】Fixed 与 Exclude 怎么选?》→场景化讲解函数选择逻辑,告别计算度量困惑。
【数析课堂】分组法:分析师的“分层透视眼”,一眼看穿客户与业务本质》→掌握分组分析法,实现精细化运营洞察。

二、技术经验分享

那些年漏配错配的,JVM参数们》→深入解析JVM常见配置误区,提升系统性能与稳定性。
别慌!权限体系其实超简单》→轻松掌握权限设计核心逻辑,快速落地数据安全管控。

三、AI知识更新

【AI每日一学】讲一下单Agent架构vs多Agent系统的特征、优点和缺点》→对比单Agent与多Agent系统,为智能体选型提供参考。

四、任务持续上线

【BI知识闯关】那些年漏配错配的,JVM参数们》→通过闯关巩固JVM参数配置要点。
【AI知识巩固】讲一下单Agent架构vs多Agent系统的特征、优点和缺点》→强化AI架构理解,夯实智能体基础知识。
【数析课堂】结构分析法知识巩固》→练习结构分析,掌握业务构成洞察技巧。
【图表应用】旭日图—你的专属“层级解码器”》→实战旭日图绘制,解锁层级数据可视化。
【BI知识闯关】别慌!权限体系其实超简单》→检验权限体系学习成果,提升实战能力。
【函数】Fixed 与 Exclude 怎么选?》→深入辨析两类函数,精准匹配分析场景。
【数析课堂】分组法知识巩固》→强化分层分组思维,提升客户与业务分析效率。

阳春三月,学习正当时,快来社区参与挑战,一起探索数据新视界!

麦粉社区
>
帖子详情

python学习篇-pandas库(八)

数据挖掘 发表于 2019-12-24 15:24
发表于 2019-12-24 15:24:00
本帖最后由 chenshuo 于 2019-12-24 17:14 编辑

替换操作
函数DataFrame()
参数to_replace:需要替换的部分,可为str, regex, list, dict, Series, int, float, or None
参数value:用来替换部分,可为scalar, dict, list, str, regex, default None
参数inplace:默认False,True:直接修改原对象;False:创建一个副本,修改副本,原对象不变。
参数regex:默认False,为True:替换的部分为正则表达式
参数method: 可为‘pad’, ‘ffill’, ‘bfill’, None


创建数据集
  1. import pandas as pd
  2. import numpy as np
  3. data = {'animal': ['cat', 'cat', 'snake', 'dog', 'dog', 'cat', 'snake', 'cat', 'dog', 'dog'],
  4. 'age': [2.5, 3, 0.5, np.nan, 5, 2, 4.5, np.nan, 7, 3],
  5. 'visits': [1, 3, 2, 3, 2, 3, 1, 1, 2, 1],
  6. 'priority': ['yes', 'yes', 'no', 'yes', 'no', 'no', 'no', 'yes', 'no', 'no']}

  7. labels = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j']
  8. df1 = pd.DataFrame(data, index=labels)
  9. df1
复制代码
1、数值替换

将值为1替换成6
  1. df2 =df1.copy()#复制
  2. print(df2)
  3. df2.replace(1,6)
复制代码
943145e0182aa21e1b.png

2、列表替换
将cat替换成mouse,yes替换成maybe
  1. df2 =df1.copy()#复制
  2. print(df2)
  3. df2.replace(['cat','yes'],['mouse','maybe'])
复制代码
60695e01844ed53c6.png

使用方法bfill,向后替换,详情可参考python学习篇(七)
  1. df2 =df1.copy()#复制
  2. print(df2)
  3. df2.replace(['cat','yes'],method='bfill')
复制代码
693995e0184f6a0114.png

3、字典替换
将数据集中的cat替换成mouse,将1替换成100
  1. df2 =df1.copy()#复制
  2. print(df2)
  3. df2.replace({'cat':'mouse',1:100})
复制代码
585025e0188860f9be.png
将数据集中animal列中cat替换成snake
  1. df2 =df1.copy()#复制
  2. print(df2)
  3. df2.replace({'animal':'cat'},'snake')
复制代码
968555e01a6f649afd.png
或者
  1. df2 =df1.copy()#复制
  2. print(df2)
  3. df2.replace({'animal':{'cat':'snake'}})
复制代码
191485e01a8020ee0d.png
4、正则替换
将do*的字符串替换成mouse
724345e01d69adef3a.png
976005e01d6307cf55.png

或者
449105e01d6aedbc36.png
5、替换成None
  1. df2 =df1.copy()#复制
  2. print(df2)
  3. df2.replace({'yes':'None'})
复制代码
891185e01d6e1285f5.png

发表于 2019-12-24 17:16:13
regex=r'^do.$' 这部分代码会使代码框 变乱
回复

使用道具 举报

高级模式
B Color Image Link Quote Code Smilies
您需要登录后才可以回帖 登录 | 立即注册

1回帖数 0关注人数 7303浏览人数
最后回复于:2019-12-24 17:16

社区

指南

AI

搜索

快速回复 返回顶部 返回列表