pandas 安装方法：pip3 install pandas pandas是一个强大的Python数据分析的工具包,它是基于NumPy构建的模块。 pandas的主要功能： 具备对其功能的数据结构DataFrame、Series 集成时间序列功能 提供丰富的数学运算和操作（实质是NumPy提供的） 灵活处理缺失数据(NaN) 引用方法：import
转载
2023-08-13 13:08:20
199阅读
欢迎关注WX公众号：【程序员管小亮】1. S...
转载
2019-07-02 11:38:00
207阅读
1.检查检查pd.DataFrame中所有字段的dtypes，因为字段太多不会全部显示，转换成字典后一幕了然，而且全部显示 rice.dtypes.to_dict() 2.改变pd.series的dtype 否则回报错如下： TypeError: unsupported operand type(s ...
转载
2021-07-17 20:33:00
946阅读
2评论
简单小例子：array转换为list，再转换为pd.Series
转载
2021-07-16 15:46:00
403阅读
2评论
下面两行代码在效果上有区别吗
pd.Series([i]).astype('float64')[0]
float(i)下面两行代码在效果上也有区别。第一行代码会返回一个浮点数类型的值，而第二行代码会返回一个浮点数类型的对象。这两者的区别在于，值是一个不可变的数据，它只能表示一个数值，而对象是一个可变的数据，它可以有自己的属性和方法1。例如，如果我们执行以下代码：i = 3.14 s = pd.Se
原创
2023-10-10 11:17:57
208阅读
你可以通过创建一个装饰器来实现这个功能。装饰器是一个函数，它接受一个函数作为参数，并返回一个新的函数，这个新的函数可以增强或修改原始函数的行为。在这个例子中，我们可以创建一个装饰器，它接受一个函数作为参数，然后返回一个新的函数，这个新的函数会将原始函数的返回值转换为 pd.Series。下面是如何实现的代码：import pandas as pd
def to_series(func):
原创
2024-02-26 16:10:06
58阅读
df = pd.DataFrame(np.arange(6).reshape(-1, 2))
df.columns = [fr"col{i}" for i in df.columns]
# df["newCol"] = range(10), list(range(10) length dont match
df["newCol"] = pd.Series(range(10)) # 少了nan 多了
原创
2024-02-23 16:07:05
40阅读
题目要求：
编写一个程序，用以接受用户输入的数字。将该数左 --右反转，然后显示反转后的数。
--
***********************************************
--
编写一个程序，用以接受用户输入的数字。将该数左
--
右反转，然后显示反转后的数。
--
*******************
很多工作会让大家接触到很多的PDF格式文件，对于这类格式的文件，大家在处理的过程中可能会觉得麻烦，因为PDF的本身是不可编辑的，要编辑什么的大家不知道该怎么下手，接下来小编跟大家介绍一下要合并PDF该怎么办。借助软件1、对于PDF文件，大家合并需要借助PDF转换器，转换器可以在电脑浏览器中下载下来。2、打开PDF转换器，在操作页面选择PDF的其他操作这项功能，在这项功能的下面，会有一些不同的功能，
import pandas as pd
df = pd.DataFrame()
df["发货单号"] = ["A1", "A2"]
df["开票日期"] = pd.Series(pd.Timestamp.now()) # 单个值 赋值到全部行 列表 可能会长度不匹配报错 需pd.Series
print(
df.query('''
发货单号.notna() and \
原创
2024-03-28 07:33:08
41阅读
人们经常用pandas处理表格型数据，时常需要读入excel表格数据，很多人一般都是直接这么用：pd.read_excel(“文件路径文件名”),再多一点的设置可能是转义一下路径中的斜杠，一旦原始的excel表不是很规整，这样简单读入势必报错！其实这个函数有很多参数可以设置，为了应对各式excel表满足各种读入的需求，我们来详细了解下pd.excel()中的主要参数。首先，认识一下pd.read_
Pandas查询数据的几种方法df.loc方法，根据行、列的标签值查询 （# .loc既能查询，又能覆盖写入）df.iloc方法，根据行、列的数字位置查询df.where方法df.query方法Pandas使用df.loc查询数据的方法使用单个label值查询数据使用值列表批量查询数据使用数值区间进行范围查询使用条件表达式查询调用函数查询Attention！以上查询方法，既
import pandas as pddata = {'Country':['Belgium', 'India', 'Brazil'], 'Capital':['Brussels', 'New Delhi', 'Brasilia'], 'Population':[11190846, 13031710
原创
2022-09-20 11:34:50
63阅读
在 Pandas 中，pd.Series 是一个一维数组，它只接受单个索引值，而不是索引列表。所以，pd.series[[0, -1]] 这样的操作会报错。如果你想要获取序列的第一个和最后一个元素，你可以分别使用 pd.series[0] 和 pd.series[-1]。如果你想要同时获取这两个元素，你可以使用 .iloc，如下所示：result = pd.series.iloc[[0, -1]]
原创
2024-02-24 10:11:09
80阅读
df = pd.DataFrame(np.arange(4).reshape(2, -1))
pd.concat([df, df.iloc[[0]]]) # df.iloc[[i]] ~ df
pd.concat([df, df.iloc[0]]) # df.iloc[i] ~ series
原创
2023-12-22 09:03:59
115阅读
pandas删除数据主要有两种方式：1.在dataframe上调用drop、dropna、drop_duplicates函数2.通过切片找到相应的行或列，然后使用 del 命令删除1、deldel只能删除列，并且一次只能删一列，并且del只能删除[]运算符切片的列import pandas as pd
scores = [23, 88, 12], [99, 88, 100], [44, 77,
转载
2024-03-18 23:27:23
196阅读
1.List： List是一个一维的列表，我们可以利用下标进行值得追踪（不要忘了！python第一个元素的下标从0开始），每个元素可变，类型可变。其方便之处在于可以用append函数进行添加c=[1,2,3,4,5]2.np.array python中的list和array的不同之处 list是列表,可以通过索引查找数值，但是不能对整个列表进行数值运算b=[1,2]
b[1]
Out[97]: 2
转载
2024-06-10 07:36:23
256阅读
请解释pd.Series.str.replace(
pat=r'(?i)(.*)-h.*',
repl=r'\1',
regex=True
)中r'\1'的作用在pd.Series.str.replace()函数中，r'\1'表示替换字符串中的第一个捕获组。捕获组是由括号括起来的正则表达式的一部分，它用于匹配和
原创
2023-08-28 16:06:16
632阅读
第三代测序之Pacific Biosciences 测序竞赛愈发激烈。随着技术的不断改进，到底哪家公司能够首先冲过千元基因组的终点线呢？局势目前尚不明朗，但普遍认为第三代测序更有希望。生物通这次就向读者介绍几个第三代测序公司。第二站是Pacific Biosciences。 众所周知，天然的DNA复制本身就是一个非常高效且准确的过程。真核生物DNA复制的速度达几十个核苷酸/
转载
2023-08-30 21:57:05
78阅读
文章目录1. join:默认情况下他是把行索引相同的数据合并到一起2. merge:按照指定的列把数据按照一定的方式合并到一起2.1内连接2.2 外
原创
2022-12-28 15:28:48
431阅读
