dataframe 列类型 df['客户id'] = df['客户id'].apply(pd.to_numeric) df = pd.DataFrame(a, dtype='float') #示例1 df = pd.DataF
原创
2023-11-02 10:52:31
68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me...
转载
2022-06-08 08:13:24
117阅读
表格的读取及保存一、读取表格pandas内置了10多种数据源读取函数，常见的就是CSV和EXCELpandas读取出来的数据直接是数据框格式，方便后续的数据处理和分析可以快速的将数据保存为CSV或者EXCEL格式参数较多，可以自行控制，但很多时候用默认参数读取CSV时，注意编码，常用编码为utf-8，gbk，gbk2312等1.读取csv文件df = pd.read_csv('路径',encodi
转载
2023-07-27 21:30:39
257阅读
目录一、DataFrame.concat：沿着一条轴，将多个对象堆叠到一起二、DataFrame.merge：类似 vlookup三、DataFrame.join：主要用于索引上的合并四、Series.append：纵向追加Series五、DataFrame.append——纵向追加DataFrame合并pandas数据脚本总结一、DataFrame.concat：沿着一条轴，将多个对象堆叠到一起
转载
2023-08-28 14:16:54
999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：Python Pandas 分析DataFrame...
转载
2022-06-08 08:12:16
69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
本节主要总结数据处理过程中最常使用的操作，选取、过滤。首先构造一个测试数据df = pd.DataFrame({'商品名称':
['李老吉', '娃啥啥', '康帅傅', '嗨非丝', '娃啥啥', '康帅傅', '李老吉'],
'地区': ['北京', '上海', '广州', '深圳', '北京', '上海', '重庆
转载
2024-04-13 05:59:37
44阅读
一、读取文件Pandas的主业是数据分析。因此，从外部文件读/写数据是Pandas的重要功能。Pandas提供了多种API函数用于支持多种类型数据（如CSV、Excel、SQL等）的读写，其中常用的函数如下表所示。文件类型读取函数写入函数xls/xlsxread_excelto_excelCSVread_csvto_csvSQLread_sqlto_sqlJSONread_jsonto_jsonH
转载
2023-11-07 13:00:53
163阅读
本文示例数据下载，密码:vwy3import pandas as pd# 数据是之前在cnblog上抓取的部分文章信息df = pd.read_csv('./data/SQL测试用数据_20200325.csv',encoding='utf-8')# 为了后续演示，抽样生成两个数据集df1 = df.sample(n=500,random_state=123)df2 = df.sample(n=6
转载
2023-08-06 21:16:42
311阅读
最近在工作中，遇到了数据合并、连接的问题，故整理如下，供需要者参考~ 一、concat：沿着一条轴，将多个对象堆叠到一起 concat方法相当于数据库中的全连接（union all），它不仅可以指定连接的方式（outer join或inner join）还可以指定按照某个轴进行连接。与数据库不同的是，它不会去重，但是可以使用drop_d
转载
2024-04-09 11:23:46
246阅读
前言在上一章，我们主要学习了：通过不同索引相关方法访问 Series 和 DataFrame索引本身的属性和方法在本次学习，我们主要关注pandas中分组的相关知识，主要有：分组的概念及分组对象 GroupBy分组的三大操作：聚合 、变换 、过滤跨列分组的实现通过学习分组，我们能按照目标数据的不同类别进行“分堆”并以此进行下一步处理，其实可以理解成在行列定位后更精确的操作。一、分组模式及其对象为什
转载
2023-12-31 13:46:53
186阅读
pandas作者Wes McKinney 在【PYTHON FOR DATA ANALYSIS】中对pandas的方方面面都有了一个权威简明的入门级的介绍，但在实际使用过程中，我发现书中的内容还只是冰山一角。谈到pandas数据的行更新、表合并等操作，一般用到的方法有concat、join、merge。但这三种方法对于很多新手来说，都不太好分清使用的场合与用途。今天就pandas官网中关于数据合并
转载
2023-07-06 14:14:08
550阅读
合并1、concat合并先创建两个dataFrameimport pandas as pd
import numpy as np
d1 = pd.DataFrame(np.random.randint(0, 50, (3,4)))
d2 = pd.DataFrame(np.random.randint(0, 50, (4,5))) 默认按列合并，对应的列合并到一起，缺少的列用nan值填充 指定ax
转载
2023-09-19 23:02:27
142阅读
：行
原创
2023-05-29 11:10:18
96阅读
Pandas 数据结构 - DataFrame DataFrame 是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、
原创
2023-10-08 11:13:38
117阅读
在python的DataFrame中，因为数据中可以有多个行和列。而且每行代表一个数据样本，我们可以将DataFrame看作数据表，那你知道如何按照数据表中的行遍历吗？本文介绍python中按行遍历Dataframe的三种方法：1、iterrows()方法；2、itertuples()方法；3、iteritems()方法。1、iterrows()方法按行遍历，将DataFrame的每一行迭代为(i
转载
2023-06-04 18:54:40
1203阅读
Pandas有两个最主要也是最重要的数据结构： Series 和 DataFrame1. 导包In [1]: import numpy as np
In [2]: import pandas as pd2. 创建DataFrame对象2.1 通过numpy
转载
2023-09-17 15:01:36
363阅读
对pandas的dataframe绘图并保存的实现方法对dataframe绘图并保存：ax = df.plot()
fig = ax.get_figure()
fig.savefig('fig.png')
可以制定列，对该列各取值作统计：
label_dis = df.label.value_counts()
ax = label_dis.plot(title='label distributio
转载
2023-10-11 00:16:56
190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
