种麦南山下的博客

pandas 将得到的对象 添加到excel中，for循环将Series作为新行插入DataFrame

pandas 写入或读取excel文件 基础操作

1、生成一列sum_age 对age 进行累加df['sum_age'] = df['age'].cumsum()print(df)2、生成一列sum_age_new 按照 gender和is_good 对age进行累加df['sum_age_new'] = df.groupby(['gender','is_good'])['age'].cumsum()print(df)3、根据不同的性别对年龄进行排序df['rank_g'] = df.groupby(['gend..

赋值代码：# 对Connection Type分组 并对temp累计求和wsw['Connection Number'] = wsw.groupby(['Connection Type'])['temp'].cumsum()之后控制台警告：Try using .loc[row_indexer,col_indexer] = value instead于是改为wsw.loc[:, 'Connection Number'] = wsw.groupby(['Connection Ty.

Timedelta 两个日期或时间之间的差异翻译如下：该value属性始终以 ns 为单位。如果精度高于纳秒，则持续时间的精度将被截断为纳秒。a = pd.to_datetime(row_time[i - 1])b = pd.to_datetime(row_time[i])print aprint bprint b-aprint (b-a) / np.timedelta64(1, 'm')# 结果2019-03-02 15:38:402019-03-02 15:3.

data1 = pd.DataFrame({ 'b' : [1, 1, 1], 'a' : [2, 2, 2]})data2 = pd.DataFrame({ 'b' : [1, 1, 1], 'a' : [2, 2, 2]})frames = [data1, data2]data = pd.concat(frames)data#结果 a b0 2 11 2 12 2 10 2 11 2 12 2 1应该b列在前，a列.

dff_1.to_csv("foo.csv",encoding='utf-8') ​​​​​​​改为：dff_1.to_csv("foo.csv",encoding="utf_8_sig")

| 对应or& 对应and~ 对应not

api参考：例子：>>> df = pd.DataFrame([[1, 2], [3, 4]], columns=list('AB'), index=['x', 'y'])>>> df A Bx 1 2y 3 4>>> df2 = pd.DataFrame([[5, 6], [7, 8]], columns=list('AB'), index=['x', 'y'])>>> df.append.

api参考：fillna：使用指定的方法填充 NA/NaN 值。>>> df = pd.DataFrame([[np.nan, 2, np.nan, 0], [3, 4, np.nan, 1], [np.nan, np.nan, np.nan, 5], [np.nan, 3, np.nan, 4]], columns=list.

api参考：其他：例子：一、获取值>>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]], index=['cobra', 'viper', 'sidewinder'], columns=['max_speed', 'shield'])>>> df max_speed shieldcobra .

api参考：>>> df = pd.DataFrame({"Col1": [10, 20, 15, 30, 45], "Col2": [13, 23, 18, 33, 48], "Col3": [17, 27, 22, 37, 52]}, index=pd.date_range("2020-01-01", "2020-01-05"))>>> df

一、pandas 数据表表示DataFrame是一种二维数据结构，可以在列中存储不同类型的数据（包括字符、整数、浮点值、分类数据等）。数据表存储为DataFrame中。1、 我想存储泰坦尼克号的乘客数据。对于一些乘客，我知道姓名（字符）、年龄（整数）和性别（男/女）数据。# 该表有 3 列，每列都有一个列标签。列标签分别为 Name、Age和Sex。# 列 Name由文本数据组成，每个值都是一个字符串，列 Age是数字，列 Sex是文本数据。In [2]: df = pd.DataF

1、结合两个Series。>>> s1 = pd.Series(['a', 'b'])>>> s2 = pd.Series(['c', 'd'])>>> pd.concat([s1, s2])0 a1 b0 c1 ddtype: object2、通过将ignore_index选项设置为 ，清除现有索引并在结果中将其重置True。>>> pd.concat([s1, s2], igno...

pandas库的名字来源于3种主要数据结构开头字母的缩写：Panel，Dataframe，Series。其中Series表示一维数据，Dataframe表示二维数据，Panel表示三维数据。当数据高于二维时，一般却不用 Panel 表示，一般用包含多层级索引的Dataframe进行表示，而不是使用Panel。原因是使用多层级索引展示数据更加直观，操作数据更加灵活，并且可以表示3维，4维乃至任意维度的数据。# 导包import numpy as npimport pandas as ...