test = pd.read_csv('test.csv',usecols=[0,1,2])#读取指定列
#读取前10行
print(test.head(10))
1、是否保留列名 header: Whether to write out the column names (default True)
df.to_csv(‘path/Result.csv’,header=0) #不保存列名2、是否保留行索引 index: whether to write row (index) names (default True)
df.to_csv(‘path/Result1.csv’,index=0) #不保存行索引#读取行名,标签
labels = list(df.columns.values)
#列名
df._stat_axis.values
df['open'].isnull().any() # 判断open这一列列是否有 NaN
df['open'].isnull().all() # 判断open这一列列是否全部 NaN
#特征相关性
df.corr()
pandas基本操作
原创
©著作权归作者所有:来自51CTO博客作者AI韬哥的原创作品,请联系作者获取转载授权,否则将追究法律责任
提问和评论都可以,用心的回复会被更多人看到
评论
发布评论
相关文章
-
【数据结构】详细解读串的基本概念与基本操作
【数据结构】第四章——串详细介绍串的基本概念和基本操作……
数据结构 C语言 字符串 ASCII码值 转义字符 -
【操作系统】详细介绍操作系统的基本概念
【操作系统】第一章——计算机系统概述详细介绍操作系统的基本概念
操作系统 命令接口 程序接口 GUI 计算机系统 -
【Pandas】常用基本操作
学习心得多参考pandas官方
pandas 数据 数组 数据文件 -
Pandas 基本操作介绍
Pandas 基本操作介绍本节介绍 Pandas 的基本操作, 方便日后查询.文章目录Pandas 基本操作介绍载入
python 数据分析 Pandas 数据 读取数据 -
Pandas库基本使用
Pandas库基本使用Pandas库基本使用Pandas库基本使用
数据 数据类型 数组 取值 可选参数 -
COMSOL可能提供了官方的Python库
在我们的日常生活及编程中,常常会用到“文件夹”这种结构来储存文件: 不过,文件夹虽然可以包装文件,但是抵不住它的秩序凌乱,比如: 名字同为a的文件就有好几个,我该怎么一眼就能区分他们呢? 一种方法是右键->排
comsol临时文件夹中有不支持的字符 后缀名 python ios