Pandas 的DataFrame基本操作总结最近在项目中使用到了Pandas的DataFrame，趁着新鲜劲儿，整理以下用到的知识，如果有不对的地方，请各位博主指正。本博客从DataFrame创建以及对DataFrame的空，筛选列等操作做介绍。1. 创建DataFrame输入可以是np.array, list,也可以是excel，csv等。df = pd.DataFrame([[1, "aa"
转载
2023-07-14 16:12:29
67阅读
Python将hive的table表转成dataframe一步到位，代码如下：from pyhive import hive
import pandas as pd
def hive_read_sql(sql_code):
connection = hive.Connection(host='10.111.3.61', port=10000, username='account')
转载
2023-05-30 19:21:00
137阅读
1. SeriesSeries 是一个类数组的数据结构，同时带有标签（lable）或者说索引（index）。1.1 下边生成一个最简单的Series对象，因为没有给Series指定索引，所以此时会使用默认索引(从0到N-1)。# 引入Series和DataFrameIn [16]: from pandas import Series,DataFrame
In [17]: import pandas
Pandas是为了解决数据分析任务而创建的，纳入了大量的库和标准数据模型，提供了高效地操作大型数据集所需的工具。 对于Pandas包，在Python中常见的导入方法如下：from pandas import Series,DataFrame
import pandas as pd首先，我们需要对于Series和DataFrame有个基本的了解：Series：一维数组，类似于Python中的基
转载
2023-07-21 12:31:06
91阅读
1. 基础数据准备import pandas as pd
data = [{"a": 1, "b": ' djidn. '},
{"a": 11, "b": 22.123456},
{"a": 111, "b": ''},
{"a": 1111},
{"a": '1111'}]
df = pd.DataFrame(da
转载
2023-06-08 10:46:41
176阅读
DataFrameDataFrame 概念和创建 :先来看一个例子 :这是一个由列表组成的字典importnumpy as npimportpandas as pddata= {'name':['Jack','Tom','Mary'],'age':[18,19,21],'gender':['m','m','w']}frame=pd.DataFrame(data)print(frame)可以看到 D
转载
2023-07-21 22:08:11
223阅读
python DataFrame常用描述性统计分析方法 文章目录python DataFrame常用描述性统计分析方法sum() 求和mean() 求平均值max() 最大值 & min() 最小值median() 中位数mode() 众数var() 方差std() 标准差quantile() 分位数 sum() 求和使用sum()方法对DataFrame对象求和。 其中**set_opt
转载
2023-07-14 16:08:08
183阅读
首先，这两种数据类型是python中pandas包中的,使用之前记得导包目录初步认识series组成创建获取运算dataframe创建初步认识1、DataFrame可以看成一个矩形表格（比如m行n列的数据）甚至是整个表格，存储的是二维的数据,可以被看做是由Series组成的字典，每一个坐标轴都有自己的标签。2、Series则是DataFrame中的一列，存储的是一维的数据。series组成Seri
转载
2023-07-14 16:46:52
102阅读
DataFrame.sampleDataFrame.sample方法主要是用来对DataFrame进行简单随机抽样的。PS：这里说的是简单随机抽样，表示是不能用来进行系统抽样、分层抽样的。DataFrame.sample这个方法可以从DataFrame中随机抽取行，也可以随机抽取列，这个方法接收的参数如下：DataFrame.sample(n=None
, frac=None
, replace=
转载
2023-07-10 21:22:22
190阅读
怎样删除list中空字符？ 最简单的方法：new_list = [ x for x in li if x != ” ]设有DataFrame结果的数据a如下所示：
a b c
one 4 1 1
two 6 2 0
three 6 1 6一、查看数据（查看对象的方法对于Series来说同样适用） 1.查看DataFrame前xx行或后xx行a
转载
2023-07-21 22:05:52
93阅读
最简单的方法：new_list = [ x for x in li if x != '' ]这一部分主要学习pandas中基于前面两种数据结构的基本操作。设有DataFrame结果的数据a如下所示：a b cone 4 1 1two 6 2 0three 6 1 6一、查看数据（查看对象的方法对于Series来说同样适用）1.查看DataFrame前xx行或后xx行a=DataFrame(data
转载
2023-11-16 09:25:08
120阅读
前面一节我们学习了concat()把两个Series或者DataFrame表格进行连接，连接是基于相同结构的两个表的简单连接。在实际工作中，数据往往在不同的表中进行拼凑才能取得最终的结果，而这个拼凑过程在Pandas中叫做merge()。先来做一下数据准备。 left = pd.DataFrame({'key': ['A', 'B', 'C', 'D'], 'value': np.
转载
2023-08-25 15:41:13
139阅读
这个repo 用来记录一些python技巧、书籍、学习链接等，欢迎star
github地址用pandas中的DataFrame时选取行或列：import numpy as np
import pandas as pd
from pandas import Sereis, DataFrame
ser = Series(np.arange(3.))
data = DataFrame(np.ara
转载
2023-07-10 21:18:47
100阅读
官方网址：https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.aggregate.html目的该篇文章主要线路为探索agg的基本用法，以及对应有哪些适用场景，最后做一个简单探索源代码层。1、介绍agg的参数及使用demo2、GroupBy的agg用法案例3、通过查看底层推演agg的路线原理1、介绍agg的参数及使用demoag
转载
2023-08-18 19:17:45
89阅读
print np.mean(df.title.apply(lambda x: len(x)))
# 24.072694718
print df.title.apply(lambda x: len(x) < 30).value_counts()
"""
True 4069
False 1516
"""
转载
2023-07-03 23:30:09
127阅读
## Python Request 时长实现教程
作为一名经验丰富的开发者，你需要教会一位刚入行的小白如何实现 "Python Request 时长"。在本教程中，我将向你展示整个实现过程的流程，并提供每个步骤所需的代码和解释。让我们开始吧！
### 实现流程
下面的表格展示了实现 "Python Request 时长" 的流程：
| 步骤 | 描述 |
|---|---|
| 1 | 导
原创
2023-12-06 07:18:58
94阅读
# Python打印时长实现流程
## 1. 介绍
在Python开发中，经常会遇到需要打印程序运行时间的情况。具体来说，我们需要计算某段代码从开始执行到结束所花费的时间。这对于优化代码和性能分析非常有帮助。本文将介绍如何在Python中实现打印时长功能，以及具体的步骤和代码示例。
## 2. 实现步骤
下面是实现打印时长的步骤。我们将使用Python的time模块来计算时间差，并使用装饰器
原创
2023-12-31 03:20:26
47阅读
前言如何学习：先随着小编看一下几个重要的函数方法，然后用实例加以巩固预备知识：NumPy数组是一个多维数组对象，称为ndarray。其由两部分组成：实际的数据、描述这些数据的元数据开始使用pandas，你需要熟悉它的两个重要的数据结构： Series：是一个值的序列，它只有一个列，以及索引。DataFrame：是有多个列的数据表，每个列拥有一个 label，当然，DataFrame 也有
转载
2023-09-27 22:25:48
110阅读
本文概述Pandas merge()定义为以下过程：将两个数据集合为一个, 并根据公共属性或列对齐行。它是DataFrame对象之间所有标准数据库联接操作的入口点：句法pd.merge(left, right, how='inner', on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=T
转载
2023-08-16 16:20:20
119阅读
import numpy as nprequired_input = required_input.replace(np.nan, '')
query_result_input = query_result_input.replace(np.nan, '')
将指定列toy的空值替换成指定值100：
df.replace({'toy':{np.nan:100}})
筛选有缺失值的行
df.lo
转载
2023-05-28 18:12:13
114阅读
