利用Python和Basemap绘制全球地震散点图
本文介绍如何使用Python的Pandas、Matplotlib及Basemap库，对约五年的全球地震数据进行可视化处理。通过解析Excel数据，筛选中国省份，转换经纬度格式，并利用Basemap绘制带有震级大小映射的全球地震散点图，展示地震分布情况。
2026-10-13
7
本文介绍如何使用Python的Pandas、Matplotlib及Basemap库，对约五年的全球地震数据进行可视化处理。通过解析Excel数据，筛选中国省份，转换经纬度格式，并利用Basemap绘制带有震级大小映射的全球地震散点图，展示地震分布情况。
本文详细介绍Python3.5中Pandas模块Series的核心用法。涵盖通过numpy数组、字典及直接赋值创建Series的方法，演示索引与数据类型的自定义设置。深入解析Series值的获取、算术运算、缺失值检测（isnull/notnull）以及基于索引的自动对齐机制，并提供完整代码示例与运行结果分析，帮助开发者掌握Series数据结构的基础操作。
本文介绍如何使用pandas将多个DataFrame写入Excel的不同Sheet。重点指出常见错误：误用ExcelFile导致文件保存路径问题，并解析源码揭示其基于xlrd的实现机制。通过正确使用ExcelWriter可避免文件丢失，确保数据持久化。
本文详细介绍如何使用Python的Pandas库绘制移动平均线。通过读取数据文件，利用rolling_mean函数计算指定周期的移动平均值，并结合Matplotlib进行可视化展示。文章包含完整代码示例及运行方法，适合希望掌握金融数据分析或时间序列处理的用户参考。
本文介绍如何在Python Pandas中使用fillna方法结合ffill参数实现DataFrame的向下填充，以及使用bfill进行向上填充。通过构建包含姓名、日期和房产数量的示例数据，演示如何将稀疏数据转换为连续时间序列，并处理缺失值，适用于需要基于最近已知值进行数据补全的场景。
本文介绍在Python中使用Pandas库处理DataFrame时，如何高效重置或修改列名。通过两个实例演示了使用rename方法结合inplace参数，以及直接对columns属性进行赋值这两种常用操作，帮助开发者快速掌握数据预处理中的关键技巧。
本文详细介绍在 Python 中导入 CSV 文件的三种常用方法。首先通过标准库 csv 结合 NumPy 数组处理基础数据；其次利用 NumPy 的 loadtxt 函数处理无表头且类型统一的数据；最后重点推荐 Pandas 库的 read_csv 函数，因其返回 DataFrame 结构，便于后续数据清洗与机器学习建模，是实际开发中的首选方案。
本文介绍在Python数据挖掘中，如何利用Pandas库将出生日期Series转换为年龄。通过pd.to_datetime格式化日期，结合datetime获取当前年份并相减，生成age特征变量，有效降低数据维度并提升算法训练效果。
本文介绍如何利用pandas库直接读取包含中文字符的CSV数据集，避免手动批量替换清理数据的繁琐过程。通过示例演示如何加载数据、按行号选取数据、提取指定列以及获取特定单元格值，为处理类似西瓜书等包含中文标签的数据集提供简洁方案。
Python 3.x 已不再支持 MySQLdb，推荐使用 PyMySQL 库进行数据库交互。本文介绍了通过 pip3 install PyMySQL 安装库的方法，并展示了利用 pymysql 建立连接、执行 SQL 查询并将结果转换为 Pandas DataFrame 的完整代码示例，解决 No module named 'MySQLdb' 报错问题。
本文详解Python中离散变量One-Hot编码的两种主流实现方式。通过对比pandas的get_dummies与sklearn的LabelEncoder结合OneHotEncoder，解析字符串与数值型变量的处理差异。文章包含具体代码示例，展示从数据导入、特征查看到编码生成的完整流程，帮助开发者根据数据类型选择合适方案。
本文介绍在pandas中利用get_dummies函数对离散特征进行one-hot编码的方法。针对无序分类特征如颜色，可直接使用get_dummies生成独热向量；针对有序特征如尺码，则建议先通过字典映射转换为数值。文章提供了具体的DataFrame构建、映射及编码代码示例，帮助开发者高效完成数据预处理。
