Pandas的迭代
Pandas对象之间的基本迭代的行为取决于类型。当迭代一个系列时,它被视为数组式,基本迭代产生这些...

Pandas的排序
Pandas有两种排序方式,它们分别是: 按标签 按实际值 下面来看看一个输出的例子。 ...

Pandas字符串和文本数据
在本章中,我们将使用基本系列/索引来学习字符串操作。 在随后的章节中,将学习如何将这些字符串函数应...

Pandas窗口函数
为了处理数字数据,Pandas提供了几个变体,如滚动,展开和指数移动窗口统计的权重。 其中包括总和...

Pandas聚合
Pandas 聚合操作是数据分析的核心功能,它通过简洁高效的接口实现数据的统计计算和特征提取。 创...

Pandas缺失数据
在现实生活场景中,丢失数据始终是一个问题。 由于缺失值导致数据质量不佳,机器学习和数据挖掘等领域在...

Pandas分组(GroupBy)
任何分组(groupby)操作都涉及原始对象的以下操作之一。它们是: 分割对象 应用一个函数 结...

Pandas合并/连接
Pandas 具有全功能、高性能的内存中连接操作,在惯用上与 SQL 等关系数据库非常相似。 Pa...

Pandas串联
Pandas提供了各种工具(功能),可以轻松地将Series,DataFrame和Panel对象组...

Pandas日期功能
日期功能扩展了时间序列,在财务数据分析中起主要作用。在处理日期数据的同时,我们经常会遇到以下情况:...

Pandas分类数据
通常实时的数据包括重复的文本列。例如:性别,国家和代码等特征总是重复的。 这些是分类数据的例子。 ...

Pandas可视化
Pandas 提供了基于 Matplotlib 的集成可视化功能,允许用户通过简单的 .plot(...

Pandas IO工具
Pandas I/O API是一套像 pd.read_csv() 一样返回 Pandas 对象的顶...

Pandas稀疏数据
当任何匹配特定值的数据(NaN/缺失值,尽管可以选择任何值)被省略时,稀疏对象被“压缩”。 一个特...

Pandas注意事项和窍门
Pandas中已知警告和隐蔽陷阱是需要特别注意的地方。 与Pandas一起使用If/Truth语句...

Pandas与SQL比较
由于许多潜在的Pandas用户对SQL有一定的了解,因此本文章旨在提供一些如何使用Pandas执行...

使用Pandas处理大型CSV文件
CSV (Comma Separated Values)作为一种逗号分隔型值的纯文本格式文件,在实...

Python3中的枚举类型(enum)
从3.x开始python提供了 enum 模块来提供枚举的功能,在使用时通过 from enum ...

Python中有一些容易忽略的不可变类型
Python中有一些容易忽略的不可变类型包括: str , integer , tuple , N...

Python3中bytes 字节串数据类型
bytes 类型是python3新增的一种数据类型,用来代表字节串。字符串由多个字符串构成, 以字...

阅读使用手册


平台的登录与使用,请参考 《用户使用手册》


注册用户账号


若尚未开通科学计算平台使用权限,请 注册用户账号


登陆


第三方账号登录



介绍

为了方便学习Python语言,基于Jupyter技术栈搭建了在线计算环境。 用户使用时以网页形式打开,对照书中内容进行学习,在线编写代码和运行代码,代码的运行结果也会直接显示。如在编程过程中需要编写说明文档,可在同一个页面直接编写,便于作及时的说明和解释。

在数据科学、机器学习及深度学习的领域里,Jupyter是一个强大的工具,它集成了代码编写、可视化展示、文档记录等多种功能于一体,让科学计算变得既直观又高效。 随着数据科学和人工智能领域的不断发展,Jupyter 也在不断更新和完善其功能和性 能。 未来可以期待看到更多创新的特性和工具被加入到 Jupyter 中,从而进一步推动科学计算和数据分析的发展。





平台内核

目前平台提供配置好的计算时内核供运行使用。后期会根据需求增加公用内核及内核中的默认类库。 相关语言运行环境与类库一般由 Conda 库提供最新版本。

  • Python 3.11 [系统]
  • Python 3.12 [Conda]
  • R 4.4 [Conda]


注意事项

  • 平台使用Jupyter技术搭建,登陆认证使用本系统的注册账号。
  • 使用提供一定数量的硬盘空间存储供用户使用。目前限制为 500M 。
Copyright © 立方智算 Since 2025. 工信部ICP备案:吉ICP备2025024314号