PHP 代码分享
MongoDB 教程
正则表达式
jQuery 教程
JavaScript 代码片段
PHP7 教程
前面给大家分享了pandas.merge用法详解，这节分享pandas数据合并处理的姊妹篇，pandas.concat用法详解，参考利用Python进行数据分析与pandas官网进行整理。pandas.merge参数列表如下图，其中只有objs是必须得参数，另外常用参数包括objs、axis、join、keys、ignore_index。1.pd.concat([df1,df2,df3]),默认axis=0，在0轴上合并。2.pd.concat([df1,df4],axis=1)?在1轴上合并3.pd.concat([df1,df2,df3],keys=[‘x',‘y',‘z'])?合...
继续阅读 >
概述groupby（）可以根据DataFrame中的某一列或者多列内容进行分组聚合，当DataFrame聚合后为两列索引时，可以使用unstack()将聚合的两列中一列值调整为行索引，另一列的值调整为列索引。代码说明test_df=pd.DataFrame({'col_1':['a','a','b','a','a','b','c','a','c'],'col_2':['d','d','d','e','f','e','d','f','f'],'col_3':[1,2,3,1,4,5,6,4,5]})1.仅对数...
继续阅读 >
parse_dates:booleanorlistofintsornamesorlistoflistsordict,defaultFalseboolean.IfTrue->tryparsingtheindex.listofintsornames.e.g.If[1,2,3]->tryparsingcolumns1,2,3eachasaseparatedatecolumn.listoflists.e.g.If[[1,3]]->combinecolumns1and3andparseasasingledatecolumn.dict,e.g.{‘foo':[1,3]}->parsecolumns1,3asdateandcallresult...
继续阅读 >
1.首先读取Excel文件数据代表了各个城市店铺的装修和配置费用，要统计出装修和配置项的总费用并进行加和计算；2.pandas实现过程importpandasaspd#1.读取数据df=pd.read_excel(r'./data/pfee.xlsx')print(df)cols=list(df.columns)print(cols)#2.获取含有装修和配置字段的数据zx_lists=[]pz_lists=[]fornameincols:if'装修'inname:zx_lists.append(name)elif'配置'inname:pz_lists.append(name)print(zx_l...
继续阅读 >
主要用到的工具：Pandas、fuzzywuzzyPandas:是基于numpy的一种工具，专门为分析大量数据而生，它包含大量的处理数据的函数和方法，以下为pandas中文API：缩写和包导入在这个速查手册中，我们使用如下缩写：df：任意的PandasDataFrame对象s：任意的PandasSeries对象同时我们需要做如下的引入：importpandasaspdimportnumpyasnp导入数据pd.read_csv(filename)：从CSV文件导入数据pd.read_table(filename)：从限定分隔符的文...
继续阅读 >
query()函数简介pandas的query()方法是基于DataFrame列的计算代数式，对于按照某列的规则进行过滤的操作，可以使用query方法。代码示例importpandasaspddf=pd.DataFrame({'a':[1,2,3,4,5,6],'b':[1,2,3,4,5,6],'c':[1,2,3,4,5,6]})query_list=[1,2]df_2=df.query('cnotin@query_list')[['a','b']]使用总结对于sql中的in或者notin，可以使用query()函数按照某列条件进行过滤，且query()函...
继续阅读 >
简介pandas按条件筛选数据时，除了使用query()方法，还可以使用isin和对isin取反进行条件筛选.代码importpandasaspddf=pd.DataFrame({'a':[1,2,3,4,5,6],'b':[1,2,3,4,5,6],'c':[1,2,3,4,5,6]})filter_condition={'a':[1,2,3]}df_in=df[df.isin(filter_condition)['a']]df_notin=df[~df.isin(filter_condition)['a']]df.isin(filter_condition)abc0TrueTrueFalse1TrueTrueFalse...
继续阅读 >
数据分组使用groupby()方法进行分组group.size()查看分组后每组的数量group.groups查看分组情况group.get_group('名字')根据分组后的名字选择分组数据准备数据#一个Series其实就是一条数据，Series方法的第一个参数是data，第二个参数是index(索引)，如果没有传值会使用默认值（0-N）#index参数是我们自定义的索引值，注意：参数值的个数一定要相同。#在创建Series时数据并不一定要是列表，也可以将一个字典传进去...
继续阅读 >
loc和iloc的意思首先，loc是location的意思，和iloc中i的意思是指integer，所以它只接受整数作为参数，详情见下面。loc和iloc的区别及用法展示1.区别locworksonlabelsintheindex.ilocworksonthepositionsintheindex(soitonlytakesintegers).2.用法展示首先创建一个dataframe：1）loc为SelectionbyLabel函数，即为按标签取数据，标签是什么，就是上面的'0'~‘4',‘A'~‘B'。例如第一个参数选择index，第二个参...
继续阅读 >
基础以下操作基于python3.6windows10环境下通过将通过实例来演示三者的区别toward_dict={1:'东',2:'南',3:'西',4:'北'}df=pd.DataFrame({'house':list('AABCEFG'),'price':[100,90,'',50,120,150,200],'toward':['1','1','2','3','','3','2']})dfmap()方法通过df.(tab)键,发现df的属性列表中有apply()和applymap(),但没有map().map()是python自带的方法,可以对df某列内的元素...
继续阅读 >
pandas中对DataFrame筛选数据的方法有很多的，以后会后续进行补充，这里只整理遇到错误的情况。1.使用布尔型DataFrame对数据进行筛选使用一个条件对数据进行筛选，代码类似如下：num_red=flags[flags['red']==1]使用多个条件对数据进行筛选，代码类似如下：stripes_or_bars=flags[(flags['stripes']>=1)|(flags['bars']>=1)]常见的错误代码如下：代码一：stripes_or_bars=flags[flags['stripes']>=1orflags['bars']>=1]代码二...
继续阅读 >