焦糖花粥

python pandas处理大数据节省内存的方法数值类型的列进行降级处理 字符串类型的列转化为类别类型（category） 字符串类型的列的类别数超过总行数的一半时，建议使用object类型 '''减少内存的使用'''def reduce_mem_usage(df, verbose=True): numerics = ['int16', 'int32', 'int64', 'float16', 'float32', 'float64', 'object'] start

前言有关 Pandas 数据类型的一个可能令人困惑的地方是，Pandas、Python 和 numpy 的数据类型之间有一些重叠。大多数情况下，你不必担心是否应该明确地将熊猫类型强制转换为对应的 NumPy 类型。一般来说使用 Pandas 的默认 int64 和 float64 就可以。我列出此表的唯一原因是，有时你可能会在代码行间或自己的分析过程中看到 Numpy 的类型。Pandas、Numpy、Python支持的数据类型从上述表格中可以看出Pandas支持的数据类型最为丰富，在某

aggagg方法可以被groupby，DataFrame,Series等对象调用。官网文档语法：df.agg(func, axis=0, *args, **kwargs)参数：func : function, str, list or dict Function to use for aggregating the data. If a function, must either work when passed a DataFrame or when passe

set_index函数原型：DataFrame.set_index(keys,drop=True,append=False,inplace=False,verify_integrity=False)参数解释：keys–label or array-like or list of labels/arraysThis parameter can be either a single column key, a single array ofthe same length as the calli