1 示例代码
直接上代码。
def dframe1():
"""
Python 数据分析：DataFrame，有无空值？有几个？
"""
"""
使用字典生成 df
"""
df = pd.DataFrame({
'语文':[110, 109, 99],
'数学':[105, 88, 115],
'英语':[109, 120, 130],
'班级':'高一7班'
},index=["张三", "李四", "王五"])
# ~ print(df)
"""
语文 数学 英语 班级
张三 110 105 109 高一7班
李四 109 88 120 高一7班
王五 99 115 130 高一7班
"""
"""
做个空值
"""
df.loc["李四", "英语"] = None
# ~ print(df)
"""
语文 数学 英语 班级
张三 110 105 109.0 高一7班
李四 109 88 NaN 高一7班
王五 99 115 130.0 高一7班
"""
"""
为什么其他人的英语成绩都变成浮点数了？
整数没有缺失值的概念，NaN = not a number，是浮点数的特殊值。
设置“李四”的“英语”成绩为 NaN 后，整个“英语”列都变成浮点数了。
也可以使用 np.nan 设置。
"""
df.loc["张三", "数学"] = np.nan
# ~ print(df)
"""
语文 数学 英语 班级
张三 110 NaN 109.0 高一7班
李四 109 88.0 NaN 高一7班
王五 99 115.0 130.0 高一7班
"""
"""
看有无空值
"""
df1 = df.isnull()
# ~ print(df1)
"""
语文 数学 英语 班级
张三 False True False False
李四 False False True False
王五 False False False False
"""
# ~ print(df.isnull().values.any())
"""
将布尔矩阵转换为 NumPy 数组后检测是否存在 True 。
.any()，有一个 True 就返回 True 。
"""
"""
True
"""
"""
每列有多少个空值？
"""
missing_per_col = df.isnull().sum()
# ~ print(missing_per_col)
"""
语文 0
数学 1
英语 1
班级 0
dtype: int64
很明显这是个 Series 类型的数据，想取“数学”列的缺失值有多少个也很简单：
"""
# ~ print(missing_per_col["数学"])
"""
1
"""
"""
按行计算缺失值数量
"""
missing_per_row = df.isnull().sum(axis=1)
print(missing_per_row)
"""
张三 1
李四 1
王五 0
dtype: int64
"""
"""
axis=1 不是列吗？怎么给出的结果是行的数据？
你看，DataFrame 的形状(m, n)，m 是行，n 是列，没错吧？
m 对应 axis=0 ，n 对应 axis=1 ，对吧？
axis=1 就是列啊，哪里不对？
说 axis=1 是列，这里有误区。
DataFrame 中的 axis 继承自 numpy ，本质相同。
但 DataFrame 只有两维，比 numpy 更简单。
可以用“df.shape”取其形状元组，得到：(行数, 列数)，如：(10, 5)。
十行五列。
axis=0 对应的形状是 10 ，对应“行”，但不能说它就是行。
axis=1 对应的形状是 5 ，对应“列”，但不能说它就是列。
axis 表示的不是“静态维度”，而是“操作方向”。
"""
"""
其实既不是行也不是列。
axis 继承自 numpy ，但比 numpy 中的 axis 更简单。
DataFrame 是二维表格结构，只有 axis=0/1 两种。
通过 dp.shape 可取回 DataFrame 形状元组，模型为(行数, 列数)，如：(10, 5)。
哪个对应 axis=0 ？和 numpy 一样，形状元组最左边的数字，10 。
哪个对应 axis=1 ？和 numpy 一样，形状元组左数第二个数字，5 。
巧了，正好分别对应 DataFrame 的行与列，于是一个误区出现了：axis=0 就是行；axis=1 就是列。
不对。
axis 表示的不是“静态维度”，而是“操作方向”。
看到 axis 应该马上想到动画：
要么行方向要么列方向。
这不废话吗，不容易搞清楚的就是行方向和列方向，到底啥是行/列方向？
加一个字的动词，难题迎刃而解。
“跨”。
跨行方向：跨嘛，一行一行往下。跟行有关，定义为该方向 axis=0 。
但你发现没，一行一行往下，如果从第一行找个点、最后一行找个点，连起来，表示一下这个方向，它其实是列向量方向？
对，axis=0 操作列向量。
跨列方向：跨嘛，一列一列往右。跟列有关，定义为该方向 axis=1 。
但你发现没，一列一列往右，如果从第一列找个点、最后一列找个点，连起来，表示一下这个方向，它其实是行向量方向？
对，axis=1 操作行向量。
说一下怎么都忘不了、记不混的记忆方法：
(m, n) → m行n列 → m axis=0 → 行，不是，跨行 → 一行行向下 → 列向量（零列）
(m, n) → m行n列 → n axis=1 → 列，不是，跨列 → 一列列向右 → 行向量（一行）
实在记不住的话，死记：零列一行 → 凛冽一航 → 卓一航冒着凛冽的寒风去找练霓裳（梁羽生：《白发魔女传》）
记住这些以下示例就很容易理解了，计算“物理”总分。
“物理”列，想求“物理”总分就得操作“物理”列向量，凛冽。凛，零。
"""
data = [[81, 72, 93], [64, 45, 36], [79, 78, 99]]
df = pd.DataFrame(data=data, columns=["物理", "化学", "生物"])
print(df)
"""
物理 化学 生物
0 81 72 93
1 64 45 36
2 79 78 99
"""
phys = df["物理"].sum(axis=0)
print(phys)
"""
224
"""
"""
我们给行搞成标签索引。
"""
df.index = ["张三", "李四", "王五"]
print(df)
"""
物理 化学 生物
张三 81 72 93
李四 64 45 36
王五 79 78 99
"""
"""
计算“张三”三门课总成绩。
参照上边成功的：phys = df["物理"].sum(axis=0)
先选“物理”列，再 .sum() ，同时指定维度。
不就是计算 81+72+93 ，这是操作行向量，卓一航，一行，一，1
"""
# ~ zhans = df.loc["张三"].sum(axis=1)
# ~ print(zhans)
"""
ValueError: No axis named 1 for object type Series
"""
"""
what?
没有 axis=1 ？
等等，Series ？
我好像明白了。
"""
s = df.loc["张三"]
print(s)
"""
物理 81
化学 72
生物 93
Name: 张三, dtype: int64
"""
"""
果然，这样得到的是一个 Series 类型的数据，只有一维，所以哪来的 axis=1 。
这时候想求“张三”三门课的总成绩，只能写：
"""
zhangs = s.sum(axis=0)
print(zhangs)
"""
246
"""
"""
完了，疯了，那之前还说“一行”？又不用 1 ？
用先取回一行或一列，得到 Series 再用 .sum() 的思路，最终 .sum() 的参数永远不可能是 axis=1 。
求“物理”那个只是碰巧做对了。
怎么才对？
其实不是说上边的方法不行，完全可行。
先取行或先取列，再求和或进行其它操作，完全没问题，思路也清晰。
如此 .sum() 得到的结果为标量。
而且永远不用考虑 axis 等于几，只能等于 0 ，甚至可以忽略不写。
我们看看什么时候用到 axis=1 。
"""
s = df.sum(axis=1)
"""
这就完了？对，就这么简单，这不就用上了？
"""
print(s)
"""
张三 246
李四 145
王五 256
dtype: int64
"""
"""
输出了：张三总分、李四总分、王五总分。
此时 .sum() 得到的结果为 Series 数据类型。
再求张三部分就简单了啊：
"""
print(s["张三"])
"""
246
"""
"""
看到了吧，df.sum(axis=1)，就是对 df 整体、逐行计算各行全列总和。
想要某具体数据，再从结果中剥离。
和先取行或列，再应用 .sum() 其实殊途同归。
"""
"""
df.sum(axis=0)
输出：物理列总和、化学列总和、生物列总和。
求物理列总和可以这样写：df.sum(axis=0)["物理"]
"""
print(df.sum(axis=0)["物理"])
"""
224
"""
"""
df.concat() 等但凡涉及 axis=0/1 设置的动词，都可以使用“凛冽/一航”谐音记忆。
从理解角度就是加动词“跨”：几行几列/跨行跨列。
"""
"""
看到这里，就能非常容易地理解下边这句了吧？
missing_per_row = df.isnull().sum(axis=1)
意思就是逐行看看有没有空值。
"""
# ~ dframe1()
2 欢迎纠错
欢迎纠错，随时更新。
联系方式：评论、私信，或 企鹅 ：179 0042 182 。
3 论文写作/Python 学习智能体
https://chatglm.cn/share/WF2C5ree
-
- 以下关于 Markdown 编辑器
你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。
++ 新的改变
我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客：
- 全新的界面设计 ，将会带来全新的写作体验；
- 在创作中心设置你喜爱的代码高亮样式，Markdown 将代码片显示选择的高亮样式 进行展示；
- 增加了 图片拖拽 功能，你可以将本地的图片直接拖拽到编辑区域直接展示；
- 全新的 KaTeX数学公式 语法；
- 增加了支持甘特图的mermaid语法1 功能；
- 增加了 多屏幕编辑 Markdown文章功能；
- 增加了 焦点写作模式、预览模式、简洁写作模式、左右区域同步滚轮设置 等功能，功能按钮位于编辑区域与预览区域中间；
- 增加了 检查列表 功能。
++ 功能快捷键
撤销：Ctrl/Command + Z
重做：Ctrl/Command + Y
加粗：Ctrl/Command + B
斜体：Ctrl/Command + I
标题：Ctrl/Command + Shift + H
无序列表：Ctrl/Command + Shift + U
有序列表：Ctrl/Command + Shift + O
检查列表：Ctrl/Command + Shift + C
插入代码：Ctrl/Command + Shift + K
插入链接：Ctrl/Command + Shift + L
插入图片：Ctrl/Command + Shift + G
查找：Ctrl/Command + F
替换：Ctrl/Command + G
++ 合理的创建标题，有助于目录的生成
直接输入1次+，并按下space后，将生成1级标题。
输入2次+，并按下space后，将生成2级标题。
以此类推，我们支持6级标题。有助于使用TOC语法后生成一个完美的目录。
++ 如何改变文本的样式
强调文本 强调文本
加粗文本 加粗文本
标记文本
删除文本
引用文本
H2O is是液体。
210 运算结果是 1024.
++ 插入链接与图片
链接: link.
图片:
带尺寸的图片:
居中的图片:
居中并且带尺寸的图片:
当然，我们为了让用户更加便捷，我们增加了图片拖拽功能。
++ 如何插入一段漂亮的代码片
去博客设置页面，选择一款你喜欢的代码片高亮样式，下面展示同样高亮的 代码片.
// An highlighted block
var foo = 'bar';
++ 生成一个适合你的列表
- 项目
- 项目
- 项目
- 项目
- 项目1
- 项目2
- 项目3
- 计划任务
- 完成任务
++ 创建一个表格
一个简单的表格是这么创建的：
| 项目 | Value |
|---|---|
| 电脑 | $1600 |
| 手机 | $12 |
| 导管 | $1 |
+++ 设定内容居中、居左、居右
使用:---------:居中
使用:----------居左
使用----------:居右
| 第一列 | 第二列 | 第三列 |
|---|---|---|
| 第一列文本居中 | 第二列文本居右 | 第三列文本居左 |
+++ SmartyPants
SmartyPants将ASCII标点字符转换为“智能”印刷标点HTML实体。例如：
| TYPE | ASCII | HTML |
|---|---|---|
| Single backticks | 'Isn't this fun?' | ‘Isn’t this fun?’ |
| Quotes | "Isn't this fun?" | “Isn’t this fun?” |
| Dashes | -- is en-dash, --- is em-dash | – is en-dash, — is em-dash |
++ 创建一个自定义列表
Markdown
: Text-to-HTML conversion tool
-
Authors
- John
- Luke
++ 如何创建一个注脚
一个具有注脚的文本。2
++ 注释也是必不可少的
Markdown将文本转换为 HTML。
++ KaTeX数学公式
您可以使用渲染LaTeX数学表达式 KaTeX:
Gamma公式展示 Γ ( n ) = ( n − 1 ) ! ∀ n ∈ N \Gamma(n) = (n-1)!\quad\forall n\in\mathbb N Γ(n)=(n−1)!∀n∈N 是通过欧拉积分
Γ ( z ) = ∫ 0 ∞ t z − 1 e − t d t . \Gamma(z) = \int_0^\infty t^{z-1}e^{-t}dt\,. Γ(z)=∫0∞tz−1e−tdt.
你可以找到更多关于的信息 LaTeX 数学表达式here.
++ 新的甘特图功能，丰富你的文章
- 关于 甘特图 语法，参考 这儿,
++ UML 图表
可以使用UML图表进行渲染。 Mermaid. 例如下面产生的一个序列图：
这将产生一个流程图。:
- 关于 Mermaid 语法，参考 这儿,
++ FLowchart流程图
我们依旧会支持flowchart的流程图：
- 关于 Flowchart流程图 语法，参考 这儿.
++ 导出与导入
+++ 导出
如果你想尝试使用此编辑器, 你可以在此篇文章任意编辑。当你完成了一篇文章的写作, 在上方工具栏找到 文章导出 ，生成一个.md文件或者.html文件进行本地保存。
+++ 导入
如果你想加载一篇你写过的.md文件，在上方工具栏可以选择导入功能进行对应扩展名的文件导入，
继续你的创作。
注脚的解释 ↩︎
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
