Skip to content

Commit a8de1e9

Browse files
xuyilixuyili
committed
重新校对了部分文字、链接和标点符号
1 parent 5a58c54 commit a8de1e9

File tree

1 file changed

+40
-35
lines changed

1 file changed

+40
-35
lines changed

‎ipynb/10min-to-pandas_translated_by_xuyili_alpha.ipynb renamed to ‎ipynb/10min-to-pandas_translated_by_xuyili_beta.ipynb

Lines changed: 40 additions & 35 deletions
Original file line numberDiff line numberDiff line change
@@ -32,14 +32,17 @@
3232
"cell_type": "markdown",
3333
"metadata": {},
3434
"source": [
35-
"## 1.创建对象"
35+
"\n",
36+
"## 1.创建对象\n",
37+
"\n",
38+
"### 详情参见[Data Structure Intro section](http://pandas.pydata.org/pandas-docs/stable/dsintro.html#dsintro)"
3639
]
3740
},
3841
{
3942
"cell_type": "markdown",
4043
"metadata": {},
4144
"source": [
42-
"### 我们可以通过传入一个列表对象来创建Series，pandas会默认为其创建整数索引。"
45+
"### 我们可以通过传入一个列表对象来创建Series，pandas会默认为其创建整数索引："
4346
]
4447
},
4548
{
@@ -81,7 +84,7 @@
8184
"cell_type": "markdown",
8285
"metadata": {},
8386
"source": [
84-
"### 同样，通过传入一个numpy矩阵、时间索引和列标签来创建DataFrame"
87+
"### 同样，通过传入一个numpy矩阵、时间索引和列标签来创建DataFrame："
8588
]
8689
},
8790
{
@@ -226,7 +229,7 @@
226229
"cell_type": "markdown",
227230
"metadata": {},
228231
"source": [
229-
"### 也可以通过传入一个能够被转换成形似Series结构的字典对象来创建DataFrame"
232+
"### 也可以通过传入一个能够被转换成形似Series结构的字典对象来创建DataFrame。"
230233
]
231234
},
232235
{
@@ -388,7 +391,7 @@
388391
"df2.align df2.clip_upper\n",
389392
"df2.all df2.columns\n",
390393
"df2.any df2.combine\n",
391-
"df2.append df2.combine_first\n",
394+
"df2.append df2.combine_fibeta\n",
392395
"df2.apply df2.compound\n",
393396
"df2.applymap df2.consolidate\n",
394397
"df2.D"
@@ -405,14 +408,15 @@
405408
"cell_type": "markdown",
406409
"metadata": {},
407410
"source": [
408-
"## 2.查看数据"
411+
"## 2.查看数据\n",
412+
"### 详情参见[Basics section](http://pandas.pydata.org/pandas-docs/stable/basics.html#basics)"
409413
]
410414
},
411415
{
412416
"cell_type": "markdown",
413417
"metadata": {},
414418
"source": [
415-
"### 分别查看数据的最前、最后几行"
419+
"### 分别查看数据的最前、最后几行："
416420
]
417421
},
418422
{
@@ -583,7 +587,7 @@
583587
"cell_type": "markdown",
584588
"metadata": {},
585589
"source": [
586-
"### 显示数据的索引（index），列名（column）和取值（value）"
590+
"### 显示数据的索引（index），列名（column）和取值（value）："
587591
]
588592
},
589593
{
@@ -657,7 +661,7 @@
657661
"cell_type": "markdown",
658662
"metadata": {},
659663
"source": [
660-
"### describe用于显示数据的快速统计汇总"
664+
"### describe用于显示数据的快速统计汇总："
661665
]
662666
},
663667
{
@@ -778,7 +782,7 @@
778782
"cell_type": "markdown",
779783
"metadata": {},
780784
"source": [
781-
"### 对数据进行转置"
785+
"### 对数据进行转置："
782786
]
783787
},
784788
{
@@ -877,7 +881,7 @@
877881
"cell_type": "markdown",
878882
"metadata": {},
879883
"source": [
880-
"### 将数据按照轴来排序（axis表示轴的维度，axis=0表示行，axis=1表示列）"
884+
"### 将数据按照轴来排序（axis表示轴的维度，axis=0表示行，axis=1表示列）："
881885
]
882886
},
883887
{
@@ -982,7 +986,7 @@
982986
"cell_type": "markdown",
983987
"metadata": {},
984988
"source": [
985-
"### 将数据按照值排序"
989+
"### 将数据按照值排序："
986990
]
987991
},
988992
{
@@ -1094,21 +1098,23 @@
10941098
"cell_type": "markdown",
10951099
"metadata": {},
10961100
"source": [
1097-
"### 注意：虽然Python标准库和Numpy的选择和设置表达式也能直接使用，但是作为产品代码，我们推荐使用经过优化的pandas数据访问方式： .at, .iat, .loc, .iloc 和 .ix"
1101+
"\n",
1102+
"> 注意：虽然Python标准库和Numpy的选择和设置表达式也能直接使用，但是作为产品代码，我们推荐使用经过优化的pandas数据访问方式： .at, .iat, .loc, .iloc 和 .ix"
10981103
]
10991104
},
11001105
{
11011106
"cell_type": "markdown",
11021107
"metadata": {},
11031108
"source": [
1109+
"### 详情参见[Indexing and Selecting Data](http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing)和[MultiIndex / Advanced Indexing](http://pandas.pydata.org/pandas-docs/stable/advanced.html#advanced)\n",
11041110
"### 3.1 获取"
11051111
]
11061112
},
11071113
{
11081114
"cell_type": "markdown",
11091115
"metadata": {},
11101116
"source": [
1111-
"### 选择单列，将返回一个Series序列，等价于df.A:"
1117+
"### 选择单列，将返回一个Series序列，等价于df.A："
11121118
]
11131119
},
11141120
{
@@ -1141,7 +1147,7 @@
11411147
"cell_type": "markdown",
11421148
"metadata": {},
11431149
"source": [
1144-
"### 通过[ ]来选择，对行进行切片"
1150+
"### 通过[ ]来选择，对行进行切片："
11451151
]
11461152
},
11471153
{
@@ -1303,7 +1309,7 @@
13031309
"cell_type": "markdown",
13041310
"metadata": {},
13051311
"source": [
1306-
"### 使用标签获取数据的横截面"
1312+
"### 使用标签获取数据的横截面："
13071313
]
13081314
},
13091315
{
@@ -1334,7 +1340,7 @@
13341340
"cell_type": "markdown",
13351341
"metadata": {},
13361342
"source": [
1337-
"### 使用标签来选取多个轴的数据"
1343+
"### 使用标签来选取多个轴的数据："
13381344
]
13391345
},
13401346
{
@@ -1425,7 +1431,7 @@
14251431
"cell_type": "markdown",
14261432
"metadata": {},
14271433
"source": [
1428-
"### 使用标签切片选取数据"
1434+
"### 使用标签切片选取数据："
14291435
]
14301436
},
14311437
{
@@ -1498,7 +1504,7 @@
14981504
"cell_type": "markdown",
14991505
"metadata": {},
15001506
"source": [
1501-
"### 降低返回数据对象的维度"
1507+
"### 降低返回数据对象的维度："
15021508
]
15031509
},
15041510
{
@@ -1527,8 +1533,7 @@
15271533
"cell_type": "markdown",
15281534
"metadata": {},
15291535
"source": [
1530-
"\n",
1531-
"### 获取一个具体的标量："
1536+
"### 获取一个具体定位的标量："
15321537
]
15331538
},
15341539
{
@@ -1589,7 +1594,7 @@
15891594
"cell_type": "markdown",
15901595
"metadata": {},
15911596
"source": [
1592-
"### 通过整数下标选择（行）"
1597+
"### 通过整数下标选择（行）："
15931598
]
15941599
},
15951600
{
@@ -1620,7 +1625,7 @@
16201625
"cell_type": "markdown",
16211626
"metadata": {},
16221627
"source": [
1623-
"### 通过整数下标进行切片，与numpy/python切片操作相似"
1628+
"### 通过整数下标进行切片，与numpy/python切片操作相似："
16241629
]
16251630
},
16261631
{
@@ -1687,7 +1692,7 @@
16871692
"cell_type": "markdown",
16881693
"metadata": {},
16891694
"source": [
1690-
"### 通过列表（list）的方式切片，同样与numpy / python操作类似"
1695+
"### 通过列表（list）的方式切片，同样与numpy / python操作类似："
16911696
]
16921697
},
16931698
{
@@ -1760,7 +1765,7 @@
17601765
"cell_type": "markdown",
17611766
"metadata": {},
17621767
"source": [
1763-
"### 对行进行切片"
1768+
"### 对行进行切片："
17641769
]
17651770
},
17661771
{
@@ -1833,7 +1838,7 @@
18331838
"cell_type": "markdown",
18341839
"metadata": {},
18351840
"source": [
1836-
"### 对列进行切片"
1841+
"### 对列进行切片："
18371842
]
18381843
},
18391844
{
@@ -1924,7 +1929,7 @@
19241929
"cell_type": "markdown",
19251930
"metadata": {},
19261931
"source": [
1927-
"### 获取特定位置的值"
1932+
"### 获取特定位置的值："
19281933
]
19291934
},
19301935
{
@@ -1951,7 +1956,7 @@
19511956
"cell_type": "markdown",
19521957
"metadata": {},
19531958
"source": [
1954-
"### 对标量的快速访问（等同于上面的方法）"
1959+
"### 快速访问一个标量（等同于上面的方法）："
19551960
]
19561961
},
19571962
{
@@ -1985,7 +1990,7 @@
19851990
"cell_type": "markdown",
19861991
"metadata": {},
19871992
"source": [
1988-
"### 根据单列的值的条件来选择数据"
1993+
"### 根据单列的值的条件来选择数据："
19891994
]
19901995
},
19911996
{
@@ -2066,7 +2071,7 @@
20662071
"cell_type": "markdown",
20672072
"metadata": {},
20682073
"source": [
2069-
"### 根据布尔条件来选取DataFrame的数据"
2074+
"### 根据布尔条件来选取DataFrame的数据："
20702075
]
20712076
},
20722077
{
@@ -2377,7 +2382,7 @@
23772382
"cell_type": "markdown",
23782383
"metadata": {},
23792384
"source": [
2380-
"### 设置新列时，会自动根据索引对齐数据"
2385+
"### 设置新列时，会自动根据索引对齐数据："
23812386
]
23822387
},
23832388
{
@@ -2428,7 +2433,7 @@
24282433
"cell_type": "markdown",
24292434
"metadata": {},
24302435
"source": [
2431-
"### 根据列标签来设置值"
2436+
"### 根据列标签来设置新的值："
24322437
]
24332438
},
24342439
{
@@ -2444,7 +2449,7 @@
24442449
"cell_type": "markdown",
24452450
"metadata": {},
24462451
"source": [
2447-
"### 根据特定位置来设置值"
2452+
"### 根据特定位置来设置新的值："
24482453
]
24492454
},
24502455
{
@@ -2460,7 +2465,7 @@
24602465
"cell_type": "markdown",
24612466
"metadata": {},
24622467
"source": [
2463-
"### 根据numpy数组来设置"
2468+
"### 根据numpy数组来设置一组新值："
24642469
]
24652470
},
24662471
{
@@ -2588,7 +2593,7 @@
25882593
"cell_type": "markdown",
25892594
"metadata": {},
25902595
"source": [
2591-
"### 使用\"where条件\"来设置"
2596+
"### 使用布尔条件来设置："
25922597
]
25932598
},
25942599
{

0 commit comments

Comments
 (0)