Lattewow的博客

今天在jupyter执行import pandas的时候报错了，重启jupyter之后就好了。不过在重启之前猜测是版本不兼容，所以搜索了一下如何检索版本与第三方库，在这里记录一下。打开命令提示符# 获得jupyter安装路径where jupyter# 获得路径后，cd进入# 获得已经安装的第三方库pip list#获得已经落伍的第三方库pip list --outmoded...

今天想要安装pyinstaller，结果失败了。报错显示“SSL module is not available”，经过搜索最后解决了问题。1、将Anaconda的安装路径（具体添加方式见这里）加入path环境设置中，具体做法见这里。2、安装完之后 Win+R / cmd/ pip install pyinstaller完美解决！...

时隔多日，终于能够独立写代码来实现自动化了！这次比较难搞的两个需求：（1）涉及到三张表之间的勾稽关系，比如已知表1和2有A\B特征，表2和表3有共同C特征，现在要比较比较表1和表3的D特征，所以需要将表1和表2进行匹配后通过表2间接比较1和3；（2）涉及到同一个单号下金额的匹配问题，问题是，在有多条金额数据的单号下，有可能是部分金额之和对应另一张表的金额，也可能是单行金额的一一对应，不过现在这个问题我也没有解决好。过程中有四点收获。第一，代码需要反复修改。具体为在jupyter中新建一个代码块，将有

1、去掉nan和NaT输出的部份表格如图：nan是np模块的数据空缺；NaT是pd模块的数据空缺，是时间缺失值。想要在数据缺失部分显示空白，但是 fillna('')没有用，后来找到了如下代码：import numpy as np# 遍历列，去掉nanfor i in df.columns: df[i] = dnp.where(df[i] == 'nan', np.nan, df[i]) #强制转换df.fillna('')# 去掉NaT## 如果日期列是str，先转换成.

5 DataType & Missing Data5.1 DataType（1）查看数据类型df.被引数.dtype（2）更改数据类型df.被引数.astype('float64')5.2 Missing Data（1）isnull()的用法df[pd.isnull(df.Route)] #展示Route显示NaN的数据pd.isnull(df.Route).sum() #Route显示NaN的个数（2）填补空白值df.Route.fillna('Unknown'

前言：summary Functions and Maps，还有一些题目记载1.summary Functions这次用到的是作业的数据，记数据集为data(1) 描述性统计data.realgdp.describe()(2) 均值gdp_mean = data.realgdp.mean() #求realgdp的均值(3) 求出对象数量和详情比如在整理文献数据的时候，有些作者写了不止一篇，现在要得到文档中有多少个作者。#法一name_list = set(list(df['作者']

前言：初学python，在这里做一下笔记，方便自己复习回看。以下示例源自kaggle的新手教程。在之前先输入几行代码让引入的np和pd可以多次使用from IPython.core.interactiveshell import InteractiveShell InteractiveShell.ast_node_interactivity = "all" import numpy as npimport pandas as pd pd.options.display.max_rows = 8