Pandas-Dataframe使用笔记一、Dataframe的读取和保存1.1 Dataframe导出csv# Dataframe转CSV
xlsx_file.to_csv('F:/XXX/XXX.csv', encoding="utf-8-sig",header=True)1.2 Pandas读取xlsx# xlsx_file_name 如：'F:/XXX/XXX.xlsx'
# 一般xlsx
转载
2023-07-10 21:39:17
761阅读
一. DataFrame的创建 创建一个空的dataframe df=pd.DataFrame(columns={"a":"","b":"","c":""},index=[0]) out:a c b
0 NaN NaN NaN 用list的数据创建dataframe：a = [['2', '1.2', '4.2'], ['0', '10', '0.3']
转载
2023-06-27 10:25:22
505阅读
DataFrame是Pandas中的一个表结构的数据结构，包括三部分信息，表头（列的名称），表的内容（二维矩阵），索引（每行一个唯一的标记）。一、DataFrame的创建有多种方式可以创建DataFrame，下面举例介绍。例1： 通过list创建>>> import pandas as pd
>>> df = pd.DataFrame([[1,2,3],[4,5
转载
2023-07-01 20:03:43
1779阅读
DataFrame是Pandas中的一个表结构的数据结构，包括三部分信息，表头（列的名称），表的内容（二维矩阵），索引（每行一个唯一的标记）。
一、DataFrame的创建
有多种方式可以创建DataFrame，下面举例介绍。
转载
2023-08-02 09:03:22
512阅读
/merage# pandas提供了一个类似于关系数据库的连接(join)操作的方法merage,可以根据一个或多个键将不同DataFrame中的行连接起来，语法如下： merge(left, right, how=‘inner’, on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=Tru
转载
2023-08-21 02:34:15
165阅读
文章目录1. DataFrame的创建1.1 通过读取文件创建DataFrame1.2 通过字典创建DataFrame1.3 通过嵌套字典创建DataFrame2. 字典嵌套字典 VS 字典嵌套列表2.1 字典嵌套字典2.2 字典嵌套列表3. DataFrame的基本用法3.1 DataFrame.loc 数据索引3.2 DataFrame.iloc 数据索引3.3 取DataFrame的某几列
转载
2023-06-13 18:32:49
0阅读
参考资源： 目录一、创建一个DataFrame:1.1用字典dict，字典值value是列表list1.2用Series构建DataFrame1.3用一个字典构成的列表list of dicts来构建DataFrame二、定位DataFrame里的元素2.1利用表达式boolean定位2.2利用loc，iloc，ix函数定位三、info()、describe()、head()
转载
2023-07-14 16:32:01
1044阅读
1.pandas的DateFrame的用法:环境为:python3 + linux + jupyter-notebookimport numpy as np
import pandas as pd
# 使用numpy 生成一个今天我们要练习的数据
# 他是符合正太分布的8支股票5天的涨跌幅数据
stock_day_rise = np.random.normal(0, 1, (10, 5))2.
转载
2023-12-18 10:45:15
24阅读
#pandas索引操作
#1.获取索引
obj = pd.Series(range(3), index=['a', 'b', 'c'])
index= obj.index #获取序列索引
labels = pd.Indext(range(3)) #使用pd.Index建立索引
obj2 = pd.Series([1.5, -2.5, 0], index=labels)
obj2.i
Pandas数据分类set_index()统计拿到数据后，我们希望根据某一个或多个索引将数据进行归类，以便观察数据，可采用set_index()方法df.set_index([‘Country’, ‘Region’], inplace=True)例如我们拿到的Dataframe如下 我们希望看到根据Country，Region分类后的数据，可做如下处理df.set_index(['Country'
Pandas DataFrames 是具有带标签的行和列的二维数据结构，可以存储很多类型的数据。使用 Pandas Series 字典手动创建一个 DataFrame第一步是创建 Pandas Series 字典。第二步, 在字典创建完毕后，我们可以将该字典传递给 pd.DataFrame() 函数。import pandas as pd
# 创建一个Pandas Series字典
items
转载
2024-04-10 17:21:54
69阅读
和大熊猫们(Pandas)一起游戏吧！ Pandas是Python的一个用于数据分析的库： http://pandas.pydata.orgAPI速查：http://pandas.pydata.org/pandas-docs/stable/api.html基于NumPy,SciPy的功能，在其上补充了大量的数据操作（Data Manipulation）功能。统计、分组、排序、透
Dataframe是pandas的模块最具代表的数据结果，其作用之强大溢于言表，下面我们分几个最常用的说一下. Dataframe中的切片loc，iloc； import pandas as pd 我们先说loc，基本上loc会了，iloc知
转载
2023-11-06 13:28:07
76阅读
和她在一起的每一天都很快乐 map() 将一个函数应用于DataFrame和DataSet中的每一行并返回新的转换后的DataSet。并不会返回DataFrame,返回的是DataSet[类型]. flatMap
转载
2023-06-14 19:08:37
302阅读
RDD：RDD (Resilient Distributed Dataset) 叫做弹性分布式数据集，它归属于SpqrkCore模块中,是Spark中最基本的数据抽象,代码中RDD是一个抽象类，它代表一个弹性的、不可变、可分区、里面的元素可并行计算的集合。并且RDD表示只读的分区的数据集，对RDD进行改动，只能通过RDD的转换操作来进行。DataFrame: 归属于SparkSql模块里面，是一种
转载
2023-09-28 20:50:33
69阅读
通用序列的操作(可在所有序列数据上面使用的操作方法)：索引(indexing)：用来访问单个元素；序列中的索引编号从0开始；使用负数时，Python会从右边，也就是最后一个元素开始计数，此时的位置编号从－1开始分片(sliceing)：用来访问一定范围内的元素；范围边界由[a:b]来指定，其中a和b表示元素在索引中的位置，需要注意的是包含位置a上的元素但不包含位置b上的元素；分片有几个小技巧：[a
转载
2024-02-20 07:32:39
62阅读
#!/usr/bin/env python3# -*- coding: utf-8 -*-"""Created on Fri Mar 8 19:10:57 2019@author: lg"""from pyspark.sql import SparkSessionupper='/opt/spark/spark-2.4.0-bin-hadoop2.7/'spark = SparkSession \
原创
2023-01-13 06:23:36
126阅读
# DataFrame的pcolor函数用法详解
在数据科学和数据可视化领域，Python已经成为一项重要的工具。Pandas库提供了便捷的数据处理功能，而Matplotlib库则是数据可视化的核心。然而，很多初学者对其中一些函数和方法并不熟悉。今天，我们将讨论Pandas中的DataFrame的`pcolor`函数，以及如何用它生成彩色图形来可视化数据。
## 1. 什么是pcolor？
之前决定深入学习一次 data.table 的时候做过一些它的笔记：1. dtplyr/dplyr 的基本操作与对应的 data.table 操作2. dtplyr/dplyr 的基本操作与对应的 data.table 操作(二)当然，我当时并无明确缘由要学习它，只是忽然发现之前觉得麻烦(几年前我就知道它)，可能就是自己无知，学的太少。现在就是纯感觉，更喜欢 data.tabl
转载
2024-09-11 20:48:42
86阅读
python
DataFrame是Python中Pandas库中的一种数据结构，它类似excel，是一种二维表。==简介DataFrame的单元格可以存放数值、字符串等，这和excel表很像，同时DataFrame可以设置列名columns与行名index。1、创建DataFrame1.1函数创建pandas常与numpy库一起使用，所以通常会一起引用i
转载
2023-09-18 09:08:18
100阅读
