1.dataframe和series中都有apply方法，dataframe中的apply方法需要指定axis参数，是对一行或者一列进行操作，比如求一列的最大值与最小值之差等；series中的apply方法与map方法一样，都是作用于
原创
2020-01-16 16:23:17
504阅读
# encoding: utf-8
from __future__ import division
import sys
reload(sys)
sys.setdefaultencoding('utf-8')
import numpy as np
import pandas as pd
# 1.创建DataFrame的几种方式
#######1.1纯字典创建
students={'names':[
原创
2021-05-07 16:53:24
495阅读
中的行进行去重操作，找了好久，才找到相关的函数先看一个小例子from pandas import Series, DataFrame data = DataFrame({'k': [1, 1, 2, 2]}) print ...
转载
2023-04-24 10:24:34
128阅读
JSON（JavaScript Object Notation）是一种轻量级的数据交换格式，易于人们读取和编写，同时也易于机器解析和生成。结构清
原创
2024-06-16 21:35:47
169阅读
构造函数DataFrame.axes #index: 行标签；columns: 列标签DataFrame.as_matrix([columns]) #转换为矩阵DataFrame.dtypes #返回数据的类型DataFrame.ftypes
原创
2022-09-09 17:32:26
487阅读
DataFrame 二维，Series容器 一、创建DataFrame # 方法一 pd.DataFrame(data=None, index=None, columns=None) # data: array-like， 数据 # index: array-like, 行索引 axis=0 # c
原创
2021-07-14 11:51:29
245阅读
获得dataframe某列中字符串最后一个/之后的内容 https://sra-downloadb.st-va.ncbi.nlm.nih.gov/sos2/sra-pub-run-6/SRR924544/SRR92
原创
2023-12-01 10:43:24
80阅读
Pandas是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。Pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素
转载
2022-06-02 09:58:57
129阅读
Pandas是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。Pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素
转载
2022-06-01 22:57:40
148阅读
Pandas是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。Pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素
转载
2022-06-02 09:59:57
105阅读
Pandas是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量
转载
2022-06-02 07:17:12
172阅读
在pandas模块中，通常我们都需要对类型为DataFrame的数据进行操作，其中最为常见的操作便是拼接了。taFrame([[1, 2],
原创
2022-07-13 18:14:47
389阅读
s=['A','B','C'])...
原创
2023-01-13 06:43:10
108阅读
1. 默认索引创建2. 指定索引创建3. 利用字典创建法一法二
原创
2022-12-28 15:21:43
248阅读
import pandas as pd 1 创建空Dataframe df = pd.DataFrame(columns=('a', 'b', 'c')) df a b c 2 添加一行Series数据 先创建Series s1 = pd.Series({'a': 1, 'b': 2, 'c': 3 ...
转载
2021-06-17 23:38:06
722阅读
gh=[1,2,3]dfc=df[df.p.isin(gh)]
原创
2023-01-13 06:42:51
185阅读
使用df.iterrows()获取可迭代对象, 然后使用for循环遍历即可for
原创
2023-01-18 09:43:58
505阅读
Pandas DataFramedf = pd.DataFrame(data=None, index = None
原创
2023-05-22 10:53:57
77阅读
一、DataFrame的创建例1： 通过list创建import pandas as pddf = pd.DataFrame([[1,2,3],[4,
原创
2023-06-25 07:38:11
148阅读
import pandas as pdleftDF = pd.read_csv("left.csv")rightDF = pd.read_csv("right.csv")print(leftDF)print(rightDF)joined = leftDF.set_index('city').join(rightDF.set_index('city'),on="city",how="inner").
原创
2022-07-19 11:58:39
55阅读
