eri_c的博客

关于计算分组类似于sql里面的分组查询。result = df.groupby('A')得到的result是个对象。可以使用count，max，min等得出所需的值。a = df.groupby('X').min()如果需要得到某一项分组的很多指标。可以使用print(result['Y'].agg([np.sum,np.mean]))Y列里面没一组的和和平均数也可以使用匿名函数grouped['C'].agg([lambda x: x.max() - x.min(),

pandasquery比较符号data = [{'name':'qqq','age':11},{'name':'www','age':22},{'name':'eee','age':33},{'name':'rrr','age':44}]df = pd.DataFrame(data) #1print(df[df['age']>22]) #2 -----------------------1和2的结果是一样的。query可以用更复杂的查找。比如逻辑df.query('a &lt

关于excel的操作平常使用中和excel的接触是最多的。读取excelread_excel('path',sheet_name) #sheet_name默认为第一个如果想要读取excel的多个sheet。可以使用pd里面的ExcelFile类这样这个文件只会读取一次。excel = pd.ExcelFile('path_to_file.xls')sheet1 = read_excel(excel,sheet1)sheet2 = read_excel(excel,sheet2)she

IO操作一般我们获取数据获得输出结果都要和io接触。pandas一般会有两个方法：read_excel()to_excel()支持csv，json，html，excel，sql等等。

pandas是一个数据处理的工具包，里面的数据结构有3类，但是日常用到的大多只有两类。series 一维例如： 1，2，3，4，5如何创建一个seriesimport pandas as pdpd.Series(data=data,index=index)其中data可以是python中的字典。numpy中ndarray，也可以是一个常数。index是索引，可以没有。默认创建0，1，2，3。。。。。DataFrame 二维数据结构如何创建一个DataFrame#第一种：类型为字

比较两列数据是否相同=IF(ISERROR(MATCH(F26,$A$2:$A$55,0)),"",1)第一个参数是比较的数据，第二个是被比较的数据，后面“”是不相同返回的数据，第二个是相同返回的数据。...