cwtnice的博客

pandas30天挑战的下半部分

聚合函数相关，数据分析过程中常常用到

在一个月内完成！

pivot_table()的学习笔记

unique()： 以数组形式（numpy.ndarray）返回列的所有唯一值nunique()： 即返回的是唯一值的个数测试代码：import pandas as pdpoke_data = pd.read_csv(r'res\pokemon.csv')t1 = poke_data['Type 1'].unique()# 输出 numpy.ndarraytype(t1)t2 = poke_data['Type 1'].nunique()# 输出 inttype(t2)输出：

IDE： spyder问题描述：今天在新环境下用 pandas 的 read_csv 来读取数据，报了FileNotFoundError: No such file or directory的错误，当路径是绝对路径的时候没有问题，当使用相对路径的时候就会报错解决方法：在spyder上方工具栏中Tools - Preferences - Current working directory 中设置当前工作目录：然后用相对路径就能找到想要的文件了...

IDE: spyder（anaconda）数据库： oraclepandas不仅可以从本地文件读取数据，也可以从数据库中直接读取。简单做法：1. 首先导入需要的包：import pandasimport cx_Oraclefrom sqlalchemy import create_engine2. 再根据你自己的数据库情况，填入参数，基本格式为：connect = create_engine('oracle://username:password@post:host/sid')3.

pandas主要有两个数据结构：Series 和 DataFrame维数名称描述1Seriescentered 带标签的一维同构数组2DataFrame带标签的，大小可变的，二维异构表格注：同构是只能有一种类型的数据，而异构可以有多种老版本支持三维的面板（Panel）结构，现在已经不再支持。Pandas 将读取到的数据加载到叫做 Series 和 DataFrame 的数据结构框架当中，不用在意数据的具体含义，只要符合规则就可以。之后按照这些框架自己的

pandas的百度百科：pandas 是基于NumPy 的一种工具，该工具是为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。导入pandas：import pandas as pd查询当前的工作路径：import oscwd = os.getcwd()读取文件：read_csv():t