分类：pandas

2022
05-03

如何利用pandas将Excel转为html格式

前言大家谈及用Pandas导出数据，应该就会想到to.xxx系列的函数。这其中呢，比较常用的就是pd.to_csv()和pd.to_excel()。但其实还可以将其导成Html网页格式，这里用到的函数就是pd.to_html()！读取Excel今天我们要实现Excel转为html格式，首先需要用读取Excel中的表格数据。importpandasaspddata=pd.read_excel('测试.xlsx')查看数据data.head()下面我们来学习把DataFrame转换成HTML表格的方法。生成Htmlto_html()函数可以直接... 继续阅读 >

2022
04-16

Python Pandas的简单使用教程

一、Pandas简介1、PythonDataAnalysisLibrary或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之一。2、Pandas是python的一个数据分析包，最初由AQRCapitalManagement于2008... 继续阅读 >

2022
02-10

pandas实现按照Series分组示例

目录1按照一个Series进行分组2按照多个Series进行分组3分组和聚合采用不同的列或Series进行本文用到的表格内容如下:先来看一下数据情形importpandasaspdlife_df=pd.read_excel(r'C:\Users\admin\Desktop\生活用品表.xlsx')print(life_df)result:    分类 编号  名称0  水果 0  苹果1  水果 1  橙子2 生... 继续阅读 >

2022
02-10

pandas 时间偏移的实现

目录1timedelta1.1时间偏移单位为周1.2时间偏移单位为天1.3时间偏移单位为小时1.4时间偏移单位为分钟1.5时间偏移单位为秒1.6时间偏移单位为毫秒1.7时间偏移单位为微秒2dateoffset2.1时间偏移单位为天时间偏移就是在指定时间往前推或者往后推一段时间，即加减一段时间之后的时间python中主要有2种方式:一种是借助timedelta，另一种是pandas中的日期偏移量dateoffset1timedelta1.1时间偏移单位为周1.1.1往后推1周date... 继续阅读 >

2021
12-09

Pandas实现聚合运算agg()的示例代码

目录前言1.创建DataFrame对象2.单列聚合3.多列聚合4.多种聚合运算5.多种聚合运算并更改列名6.不同的列运用不同的聚合函数7.使用自定义的聚合函数8.方便的descibe前言在数据分析中，分组聚合二者缺一不可。对数据聚合（求和、平均值等）通常是不可避免的。pd.agg()很方便进行聚合操作。1.创建DataFrame对象importpandasaspddf1=pd.DataFrame({'sex':list('FFMFMMF'),'smoker':list('YNYYNYY'),'age':[21,30,17,37,40,... 继续阅读 >

2021
11-09

pandas数值排序的实现实例

目录1.按照一列数值进行排序1.1按照五缺失值的一列进行排序1.1.1升序排列1.1.2降序排列1.2按照有缺失值的一列进行排序1.2.1缺失值显示在最后1.2.2缺失值显示在最前面2.按照多列数值进行排序本文用到的表格内容如下:排序前先来看一下原始情形:importpandasaspd​df=pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')print(df)result:  姓名  年龄 成绩0 小明 23.0 ... 继续阅读 >

2021
11-07

Pandas自定义选项option设置

目录简介常用选项get/set选项经常使用的选项最大展示行数超出数据展示最大列的宽度显示精度零转换的门槛列头的对齐方向简介pandas有一个option系统可以控制pandas的展示情况，一般来说我们不需要进行修改，但是不排除特殊情况下的修改需求。本文将会详细讲解pandas中的option设置。常用选项pd.options.display可以控制展示选项，比如设置最大展示行数：In[1]:importpandasaspdIn[2]:pd.options.display.max_rowsOut[2]:1... 继续阅读 >

2021
11-07

Pandas 稀疏数据结构的实现

目录简介Sparedata的例子SparseArraySparseDtypeSparse的属性Sparse的计算SparseSeries和SparseDataFrame简介如果数据中有很多NaN的值，存储起来就会浪费空间。为了解决这个问题，Pandas引入了一种叫做Sparsedata的结构，来有效的存储这些NaN的值。Sparedata的例子我们创建一个数组，然后将其大部分数据设置为NaN，接着使用这个数组来创建SparseArray：In[1]:arr=np.random.randn(10)In[2]:arr[2:-2]=np.nanIn[3]:t... 继续阅读 >

2021
11-01

pandas实现按行选择的示例代码

目录1.自定义行索引2.按普通索引选择数据2.1按普通索引选择单行数据2.2按行索引选择多行数据3.按位置索引选择数据3.2按位置索引选择多行数据4.选择连续多行数据5.选择满足条件的行5.1单个条件选择5.2多个条件选择5.2.1多个条件是且的关系5.2.2多个条件是或的关系本文所用到的Excel表格内容如下:1.自定义行索引dataframe读取Excel表格时是由自定义行索引的。这里为了展示效果，先进行自定义行索引的操作importpandasaspd&... 继续阅读 >

2021
11-01

pandas实现按行选择的示例代码

目录1.自定义行索引2.按普通索引选择数据2.1按普通索引选择单行数据2.2按行索引选择多行数据3.按位置索引选择数据3.2按位置索引选择多行数据4.选择连续多行数据5.选择满足条件的行5.1单个条件选择5.2多个条件选择5.2.1多个条件是且的关系5.2.2多个条件是或的关系本文所用到的Excel表格内容如下:1.自定义行索引dataframe读取Excel表格时是由自定义行索引的。这里为了展示效果，先进行自定义行索引的操作importpandasaspd&... 继续阅读 >

2021
10-20

Pandas中GroupBy具体用法详解

目录简介分割数据多indexget_groupdropnagroups属性index的层级group的遍历聚合操作通用聚合方法同时使用多个聚合方法NamedAgg不同的列指定不同的聚合方法转换操作过滤操作Apply操作简介pandas中的DF数据类型可以像数据库表格一样进行groupby操作。通常来说groupby操作可以分为三部分：分割数据，应用变换和和合并数据。本文将会详细讲解Pandas中的groupby操作。分割数据分割数据的目的是将DF分割成为一个个的group。为了进行group... 继续阅读 >

2021
10-17

Pandas高级教程之Pandas中的GroupBy操作

目录简介分割数据多indexget_groupdropnagroups属性index的层级group的遍历聚合操作通用聚合方法可以同时指定多个聚合方法：NamedAgg不同的列指定不同的聚合方法转换操作过滤操作Apply操作简介pandas中的DF数据类型可以像数据库表格一样进行groupby操作。通常来说groupby操作可以分为三部分：分割数据，应用变换和和合并数据。本文将会详细讲解Pandas中的groupby操作。分割数据分割数据的目的是将DF分割成为一个个的group。为了进... 继续阅读 >

2021
09-24

Pandas数据类型之category的用法

创建category使用Series创建在创建Series的同时添加dtype="category"就可以创建好category了。category分为两部分，一部分是order，一部分是字面量：In[1]:s=pd.Series(["a","b","c","a"],dtype="category")In[2]:sOut[2]:0a1b2c3adtype:categoryCategories(3,object):['a','b','c']可以将DF中的Series转换为category：In[3]:df=pd.DataFrame({"A":["a","b","c","a"]})In[4]:df["B"]=... 继续阅读 >

2021
09-19

Python Pandas模块实现数据的统计分析的方法

一、groupby函数Python中的groupby函数，它主要的作用是进行数据的分组以及分组之后的组内的运算，也可以用来探索各组之间的关系，首先我们导入我们需要用到的模块importpandasaspd首先导入我们所需要用到的数据集customer=pd.read_csv("Churn_Modelling.csv")marketing=pd.read_csv("DirectMarketing.csv")我们先从一个简单的例子着手来看，customer[['Geography','Gender','EstimatedSalary']].groupby(['Geography','Gen... 继续阅读 >

2021
09-13

Python Pandas pandas.read_sql_query函数实例用法分析

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之一。本文主要介绍一下Pandas中read_sql_query方法的使用。pandas.read_sql_query(sql，con，index_col=None，coerce_float=True，para... 继续阅读 >

2021
09-13

Python Pandas pandas.read_sql函数实例用法

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之一。本文主要介绍一下Pandas中read_sql方法的使用。pandas.read_sql（sql，con，index_col=None，coerce_float=True，params=None，... 继续阅读 >