Ghjkku的博客

【代码】excel 日期转时间戳。

【代码】pandas更改excel的column宽度。

str.replace`方法接受两个参数：要替换的字符串和用来替换的字符串。这两个参数都可以是正则表达式，从而可以实现更加灵活的替换操作。这将会把`df['text']`中的“hello”全部替换为“hi”。

df.loc 通过标签索引获取数据df.iloc 通过位置索引获取数据

和一个ndarray一样，我们通过shape，ndim，dtype了解这个ndarray的基本信息，那么对于DataFrame我们有什么方法了解呢DataFrame的基础属性df.shape #行数列数df.dtypes#列数据类型df.ndim #数据维度df.indrx # 行索引df.columns # 列索引df.values #对象值，二维ndarray数组DataFrame整体情况查询df.head(3)#显示头部几行，默认5行df.tal(3)#显示未尾几

read_sql是综合了read_sql_table和read_sql_query的，所以一般用read_sql就好了。

【代码】pandas 字典转dataframe。

库，然后to_excel时，令engine='xlsxwriter’即可。

删除data中索引为0和1的行。

【代码】pandas中重置索引（从零开始顺序排序）

通过列名称来提取指定列。

用pandas的pd.read_excel()方法读取excel文件时，遇到某一列的数据前面包含0（如010101）的时候，pd.read_excel()方法返回的DataFrame会将这一列视为int类型，即010101变成10101，这种情况下，如果想要保持数据的完整性，可以以str类型来读取这一列。df = pd.read_excel ("test.xlsx" , converters={'类别编码':str})

【代码】pandas 常用函数--round()

因为需要去除一些特殊字符，故在网上查询了不少 方法，估计大家也都看到了这种。但是可能因为版本更替原因，现在已经无法这样去做了，会报错。化为字符串，然后进行，匹配，取反，非常巧妙。...

Pandas中Series和DataFrame的两种数据类型中都有nunique()和unique()方法。这两个方法作用很简单，都是求Series或Pandas中的不同值。而unique()方法返回的是去重之后的不同值，而nunique()方法则直接放回不同值的个数。具体如下：如果Series或DataFrame中没有None值，则unique()方法返回的序列数据的长度等于nunique()方法的返回值（如上述代码中所展示的）。则当Series或DataFrame中有None值时，这两个就不一定相等了。

Python将DataFrame的每一行组成元组

本文转载自知乎《Pandas | 一文看懂透视表pivot_table》，在原文基础上略有增删改。感谢原作者非常生动的例子。目录一、概述1.1 什么是透视表？1.2 为什么要使用pivot_table？二、如何使用pivot_table2.1 读取数据2.2 Index2.3 Values2.4 Aggfunc2.5 Columns2.6 pivot_table vs. groupby2.7 query2.8 Cheat Sheet透视表是一种可以对数据动态排布并且分类汇总的表格格式。或许大多数人都在Exc

pandas pivot_table透视表 去除重复计数

要把采集时间这列放在第一列操作如下： mid = df['采集时间'] # 取备采集时间的值 df.pop('采集时间') # 删除备采集时间 df.insert(0, '采集时间', mid) # 插入采集时间列

获取DataFrame的列名是一个比较简单的操作，又以下几个方法：1.[column for column in df]2.df.columns.values 返回 array3.list(df)4.df.columns 返回Index，可以通过 tolist(), 或者 list（array） 转换为listimport pandas as pdfrom numpy.random import randintdf = pd.DataFrame(columns=list('abcdefg

import pandas as pddf = pd.DataFrame([[1, 2, 3, 4], [5, 6, 7, 8], [1, 4, 5, 2]], columns=['a', 'b', 'c', 'd'])print(df)df = df.apply(lambda x: tuple(x), axis=1).values.tolist()print(df)输出 a b c d0 1 2 3 41 5 6 7 82 1 4 5 2..

pandas导入 excel表，出现openpyxl.utils.exceptions.IllegalCharacterError，解决方法：1. import xlsxwriter2. ‘df.to_excel('duanzi.xlsx', engine='xlsxwriter')’，加一个 engine='xlsxwriter'3.就ok了。

import pandas as pdimport pymysql # Linux Windows 都可以用, 可以导入，不能导出， 导出还得要 mysqldb con = pymysql.connect(host='192.168.9.9', user='admin', passwd='admin', db='test', port = 3306) # 连接cur = con.cursor() def read_table(cur, sql_order): # sql_order is a .

在处理缺失值的时候，总会遇到各种问题目录1.删除全部为nan的行2.删除含有nan的行3.删除全部为nan的列4. 删除包含nan的列5.删除指定某一列有nan，这样即可定位到所在行的index，然后对该index进行drop操作即可df[np.isnan(df[‘open’])].index #定位某一列是否有nan直接drop对应indx即可删除该行df.drop(df[np.isnan(df[‘open’])].index, inplace=True)6.df1 = df.

删除相同的列名称，从数据帧中删除重复列的最简单方法是什么？我正在通过以下途径读取具有重复列的文本文件：import pandas as pddf=pd.read_table(fname)列名为：Time, Time Relative, N2, Time, Time Relative, H2, etc...所有时间和时间相关列都包含相同的数据。我想要：Time, Time Relative, N2, H2我试图删除的所有尝试，如：df=df.T.drop_du

文章目录 1、pandas.Series.dt.year() 和 pandas.Series.dt.month() 方法提取月份和年份 2、strftime() 方法提取年份和月份 3、pandas.DatetimeIndex.month 和 pandas.DatetimeIndex.year 提取年份和月份 4、参考资料 1、pandas.Series.dt.year() 和 pandas.Series.dt.month() 方法提取月份和年份应用于Datetime类型的 p..

进行下面计算 df['已完成'] = df['已完成'] / 10000 df['未完成'] = df['未完成'] / 10000运行警告：大概意思是在DataFrame复制切片上设置值导致这个报错，类似word副本不允许编辑SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame.Try using .loc[row_indexer,col_indexer.

一、数据准备import pandas as pd data = pd.read_excel(r'测试.xlsx')print(data) 如下数据 名称 类型 型号 C0 多多 1 AA 121 多多1 2 BB 12# 使用del, 一次只能删除一列，不能一次删除多列import pandas as pddata = pd.read_excel(r'测试.xlsx')print(d

错误原因：这里就是说，分组这一列里面，包含了非字符串的内容，比如数字。因为 .str.contains 的使用就要求这个字段必须是字符串，不能掺杂数字的。解决方案：# 包含对应关系的所有行data_ych_pid = self.database[self.database[column_name].str.contains(index_, na=False)]</pre>na=False的意思就是，遇到非字符串的情况，直接忽略。你也可以写na=True，意思就是遇到非字符串的情况

效果图：安装：命令：pip install XlsxWriter （或者 easy_install XlsxWriter）在下载的过程中慢的话，可以尝试其中一个，速度会比单纯的pip快10倍不止。地址如下http://pypi.douban.com/simple/ 豆瓣http://mirrors.aliyun.com/pypi/simple/ 阿里http://pypi.hustunique.com/simple/ 华中理工大学http://pypi.sdutlinux.o..

先看下图，快速理解含义。注意！以上的结果 是两边都没有重复ID的合并结果，如果有重复，记录会翻倍增加python pandas 实现t1 = pd.merge(t3,t4,on=['key','key2'],how='inner')t1 = pd.merge(t3,t4,on=['key','key2'],how='left') t1 = pd.merge(t3,t4,on=['key','key2'],how='right') t1 = pd.merge(t3,t4,on=

pandas返回包含NaN的行df[df[‘nig_sample_index’].isna()]pandas返回不包含NaN的行df[~df[‘nig_sample_index’].isna()]

筛选是在平时的工作中使用非常频繁的功能了一、准备数据import pandas as pddata = pd.read_excel(r'销售数据.xlsx')print(data)数据如下：二、以>，<，==，>=，<=来进行选择（“等于”一定是用‘==’，如果用‘=’就不是判断大小了）：例如：筛选销售员是马姐的数据df = data[data['销售员'] == '马姐']例如：筛选销售员是马姐的数据且天河店销量大于100的数据.

Pandas是一个数据处理的库，今天我们来学习索引与列相互转化一、数据准备import pandas as pddata = pd.read_excel(r'销售数据.xlsx')print(data)运行结果：二、列 -->索引df.set_index('date')import pandas as pddata = pd.read_excel(r'销售数据.xlsx')print(data)data.set_index('销售员', inpl...

Pandas是一个数据处理的库，今天我们来学习groupby()这个函数的用法。一.通过 pandas.groupby函数import pandas as pddata = pd.read_excel(r'分组汇总.xlsx')print(data)有如下数据 ： 销售日期 时间段 销售员 天河店销量 番禺店销量 越秀店销量0 2022-01-01 上午 小敏 118 200 1671 2022-01-01.

Pandas中进行数据类型转换有二种基本方法：使用astype()函数进行强制类型转换 使用Pandas提供的函数如to_numeric()、to_datetime()1.使用astype()函数进行强制类型转换1.1转float类型df['金额'].astype('float')1.2转int类型df['金额'].astype('int')1.3转booldf['状态'].astype('bool')2.使用to_num.........

SettingWithCopyWarning加入此代码进行屏蔽pd.set_option('mode.chained_assignment', None)

1.count() # 非空观测数量2.sum() # 所有值之和3.mean() # 所有值的平均值4.median() # 所有值的中位数5.mode() # 值的模值6.std() # 值的标准偏差7.min() # 所有值中的最小值8.max() # 所有值中的最大值9.abs() # 绝对值10.prod() # 数组元素的乘积11.cumsum() # 累计总和12.cumprod() # 累计乘积import pandas as pd# Cr

# 以商品名称这一列作为索引df1 = df.set_index('商品名称')# 有时候数据没有表头，即发生了缺失：# 指定第一列为索引df1 = pd.read_excel(df,index_col=0)

取交集：print(pd.merge(df1,df2,on=['name', 'age', 'sex']))取并集：print(pd.merge(df1,df2,on=['name', 'age', 'sex'], how='outer'))