pandas数据处理示例代码

最新推荐文章于 2024-07-05 19:57:36 发布

光英的记忆

最新推荐文章于 2024-07-05 19:57:36 发布

阅读量477

点赞数

CC 4.0 BY-SA版权

分类专栏： pandas

本文链接：https://blog.youkuaiyun.com/qq_29678299/article/details/90642954

pandas 专栏收录该内容

3 篇文章

订阅专栏

博客围绕pandas数据处理展开，虽未给出具体内容，但可知重点在于提供相关示例代码，帮助进行数据处理操作，属于信息技术领域的数据处理范畴。

import pandas as pd
# 读取数据
data = pd.read_csv('D:\\yangyang\\spy\\nltksample\\mySpider\\teachers.csv', header=0)
print(data.head())
# read_csv：读取CSV文件。
# read_excel：读取XLS文件。
# read_hdf：读取HDFS文件。
# read_sql：读取SQL文件。
# read_json：读取JSON文件。
data = pd.read_csv('D:\\yangyang\\spy\\nltksample\\mySpider\\teachers.csv', names=['info', 'name', 'title'],  header=0)
print(data.head())
# describe()函数提供了每列的简短摘要和唯一值
print(data.describe())
# print(data)

sepal_len_cnt = data['name'].value_counts()
print(sepal_len_cnt)
print(data['title'].value_counts())

# 查找列的每一个值
print(data['name'] == '王老师')

sntsosa = data[data['name'] == '王老师']
print(sntsosa[:5])

# 时序数据
stock_data = pd.read_csv('D:\\yangyang\\spy\\nltksample\\008\\600000.csv', encoding='gbk', nrows=100)
print(stock_data)

# 列转换
# stock_data.drop(["percent_change_volume_over_last_wk"], axis=1)
# 过滤掉一些不必要的列，并使用有限的列
# stockdata_new = pd.DataFrame(stockdata, columns=["stock","open","high"
# ,"low","close","volume"])
# 噪声数据