n******g 发帖数: 2201 | 1 用了一阵了 觉得和ggplot 一样很多坑 对修炼内功没有帮助 值得深钻吗? |
l******n 发帖数: 9344 | 2 啥坑?
【在 n******g 的大作中提到】 : 用了一阵了 觉得和ggplot 一样很多坑 对修炼内功没有帮助 值得深钻吗?
|
n*****3 发帖数: 1584 | 3 是设计得不好, 是 old school R 的 copy cat,
【在 l******n 的大作中提到】 : 啥坑?
|
w***g 发帖数: 5958 | 4 同意楼上,设计得很差,和python世界别的东西格格不入。但有时候又不得不用。
【在 n******g 的大作中提到】 : 用了一阵了 觉得和ggplot 一样很多坑 对修炼内功没有帮助 值得深钻吗?
|
m******n 发帖数: 453 | |
n******7 发帖数: 12463 | 6 用了一阵觉得别扭
后来主要还是用r了
【在 n******g 的大作中提到】 : 用了一阵了 觉得和ggplot 一样很多坑 对修炼内功没有帮助 值得深钻吗?
|
x***u 发帖数: 297 | 7 还好吧。是作finance人写的,一开始主要是给time series 用的,借鉴R的Data Frame
大概是为了迎合大量R用户。结果就是不够pythonic。现在很多数据分析的库都尽量和
pandas兼容。还是比较方便。
作为非统计出身,想远离R的烂泥潭,估计没有其他更好的了。当然,如果是numpy大拿
的话,自己写wrapper可能更方便。 |
x***4 发帖数: 1815 | 8 我觉得ggplot比较consistent。
【在 n******g 的大作中提到】 : 用了一阵了 觉得和ggplot 一样很多坑 对修炼内功没有帮助 值得深钻吗?
|
w********m 发帖数: 1137 | 9 马公的excel
不要用在production就好了 |
x***u 发帖数: 297 | 10 production 用什么?有什么建议?
: 马公的excel
: 不要用在production就好了
【在 w********m 的大作中提到】 : 马公的excel : 不要用在production就好了
|
|
|
w********m 发帖数: 1137 | 11 pandas模拟数据,画画图。
算法定型后,
用可以计算时间和空间的数据结构。
hash table,tree,generator等等。
【在 x***u 的大作中提到】 : production 用什么?有什么建议? : : : 马公的excel : : 不要用在production就好了 :
|
n******g 发帖数: 2201 | 12 Python dict 和pandas 谁快?应该pandas快把?
为什么还要用hash/dict?
另外。如果图本身就是product 咋办
多谢指教
[在 walkrandom (walkrandom) 的大作中提到:]
:pandas模拟数据,画画图。
:算法定型后,
:用可以计算时间和空间的数据结构。
:hash table,tree,generator等等。 |
w********m 发帖数: 1137 | 13 就python而言,
感觉dict是其成功的主要因素。
不要call collections,一个{}就出来了。
与json的完美结合。
各种各样的玩法都是time constant。
等等。
pandas的data frame 不支持nested value,时间格式是numpy的。也不知道怎么算时间
和空间。
当然这些都不重要。
原来有个同事想用pandas做个小项目,他试了几次装pandas到red hat linux就没有下
文了。
如果都这么麻烦,就没人愿意用python 了。
【在 n******g 的大作中提到】 : Python dict 和pandas 谁快?应该pandas快把? : 为什么还要用hash/dict? : 另外。如果图本身就是product 咋办 : 多谢指教 : [在 walkrandom (walkrandom) 的大作中提到:] : :pandas模拟数据,画画图。 : :算法定型后, : :用可以计算时间和空间的数据结构。 : :hash table,tree,generator等等。
|
f****y 发帖数: 243 | 14 这玩意快啊,里面是numpy,然后index对齐啊,选择器啥的,都给你搞了,是个搞分析
不错的库啊 |
A*****n 发帖数: 243 | 15 用anaconda安装pandas一步解决的事情,根本不存在安装困难的问题啊。
【在 w********m 的大作中提到】 : 就python而言, : 感觉dict是其成功的主要因素。 : 不要call collections,一个{}就出来了。 : 与json的完美结合。 : 各种各样的玩法都是time constant。 : 等等。 : pandas的data frame 不支持nested value,时间格式是numpy的。也不知道怎么算时间 : 和空间。 : 当然这些都不重要。 : 原来有个同事想用pandas做个小项目,他试了几次装pandas到red hat linux就没有下
|
l******n 发帖数: 9344 | 16 pandas安装很容易,你的同事需要学习了
【在 w********m 的大作中提到】 : 就python而言, : 感觉dict是其成功的主要因素。 : 不要call collections,一个{}就出来了。 : 与json的完美结合。 : 各种各样的玩法都是time constant。 : 等等。 : pandas的data frame 不支持nested value,时间格式是numpy的。也不知道怎么算时间 : 和空间。 : 当然这些都不重要。 : 原来有个同事想用pandas做个小项目,他试了几次装pandas到red hat linux就没有下
|
f****y 发帖数: 243 | 17 iteration的话dict快,pandas主要快在并行上
【在 n******g 的大作中提到】 : Python dict 和pandas 谁快?应该pandas快把? : 为什么还要用hash/dict? : 另外。如果图本身就是product 咋办 : 多谢指教 : [在 walkrandom (walkrandom) 的大作中提到:] : :pandas模拟数据,画画图。 : :算法定型后, : :用可以计算时间和空间的数据结构。 : :hash table,tree,generator等等。
|
w********m 发帖数: 1137 | 18 原型设计用加法。
工程用减法。
为了几十行代码就可以实现的功能,
在服务器上,编译几十个gcc包或者装一个来历不明的上G大小的anaconda,
得不偿失。 |
T*****u 发帖数: 7103 | |