-
主页
-
投资
-
IT
🔥 -
设计
-
销售
-
人
-
1 置顶帖 - 本帖收集增加的内容 1k
-
2 置顶帖 - 本帖收集增加的内容 0k
-
3 pandas教程 - 非常详细版 5k
-
4 pandas教程 - 详细版 0k
-
5 Anaconda - 安装 0.1k
-
6 Jupyter-notebook - Jupyter-notebook 0k
-
7 Pandas - 概述、安装、下载 2k
-
8 数据结构 - 列型 - Series() 3k
-
9 数据结构 - 表格型 - DataFrame() 1k
-
10 前置方法 - 打印优化设置 1k
-
11 导入数据 - pd.DataFrame(data) - 读[]list 0.2k
-
12 导入数据 - pd.read_csv() - 读CSV文件 3k
-
13 导入数据 - pd.read_table(fname) - 读定分隔符文本 0k
-
14 导入数据 - pd.read_excel(filename) - 读Excel文件 4k
-
15 导入数据 - pd.read_sql(query, conobject) - 读sql 3k
-
16 导入数据 - pd.read_json(jsonstr) - 读json字符串 3k
-
17 导入数据 - pd.read_html(url) - 解析URL或HTML 3k
-
18 导入数据 - pd.read_clipboard() - 粘贴板获取内容 3k
-
19 导入数据 - pd.read_xml() - XML 0.5k
-
20 创建DataFrame - 数据DataFrame 5k
-
21 创建DataFrame - 空DataFrame、方法流通 1k
-
22 重要概念 - inplace=True - 原df修改 0.3k
-
23 数据类型 - int64、float64、bool、datetime64 3k
-
24 数据类型 - pd.Timestamp() - 时间 4k
-
25 数据类型 - pd.Timedelta() - 时长 7k
-
26 数据类型 - print(df.dtypes) - 查看数据类型 2k
-
27 重要函数 - apply(fun) - 传入方法 7k
-
28 转换 - df["列"].apply() - 字段是list转多行 0.8k
-
29 转换 - df.explode("要拆的列") - 字段是list转多行 0.9k
-
30 转换 - df["列"].apply() - 字段是dict转成多列 1k
-
31 转换 - pd.melt() - 多列转多行 1k
-
32 转换 - pd.pivot() - 多行转多列 2k
-
33 转换 - 多列合并 0.4k
-
34 判断 - if df.empty: - Data Frame 是否为空 0.6k
-
35 DataFrame信息 - df.shape[0] - [0]行数、[1]列数 0.6k
-
36 DataFrame信息 - list(data) - 全部列名 0.5k
-
37 DataFrame信息 - df.info() - 数据集的数据类型 0.9k
-
38 DataFrame信息 - df.describe() - 描述 0.9k
-
39 列级 - df["新列名"] = 0 - 新增列和基础值 1k
-
40 列级 - df[""] = df[""].xx - 数据截取、数据转换日期 0.9k
-
41 列级 - astype("float64") - 替换数据类型 1k
-
42 列级 - df.set_index("columns") - 列转索引 0.8k
-
43 列级 - df.reset_index() - 索引转列 1k
-
44 列级 - df.reset_index() - 索引重置 0.4k
-
45 列级 - df_new = df.rename() - 列改名 0.4k
-
46 列级 - df.columns=["a","b"] - 重命名列名 0.3k
-
47 列级 - df.drop() - 删除列 0.6k
-
48 行级 - df.append(s) - 增加行 1k
-
49 行级 - df.drop() - 删除行，清空 0.9k
-
50 内容 - sort_value() - 排序 1k
-
51 内容 - df.drop_duplicate() - 去重 1k
-
52 内容 - df.dropna() - 删除所有包含空值的行 1k
-
53 内容 - str.replace() - 替换 0.8k
-
54 内容 - df.where() - NaN转换为None 1k
-
55 内容 - df.fillna() - NaN转换 0.8k
-
56 内容 - python语法判空 1k
-
57 选择数据 - random_rows = df.sample(3) - 随机3行 0.7k
-
58 选择数据 - df[] - python切片 0.6k
-
59 选择数据 - df.loc[:,:] - 行名,列名 - 时间范围 4k
-
60 选择数据 - df.nlargest() - 最大最小时间 0.4k
-
61 选择数据 - df.iloc[:,:] - 行index,列index 3k
-
62 选择数据 - df[] - df[选择指定列] 0.7k
-
63 选择数据 - df[][] - df[选择指定列][筛选条件] 0.8k
-
64 选择数据 - df[df["A"] == "a"]] - 列A等于a的数据 0.8k
-
65 获得数据值 - 选择后.index[0] - index 0.2k
-
66 for - for循环 - 较慢不建议用 2k
-
67 分组 - df.groupby(by="A列") - 分组 1k
-
68 运算 - df["A"].value_counts() - 按a列数量统计 0.7k
-
69 运算 - 选择后.sum() - 求和 0.7k
-
70 运算 - 选择后.mean() - 平均值 0.4k
-
71 运算 - df["C"]=df["A"]-df["B"] 0.5k
-
72 运算 - df.agg() - 聚合运算 3k
-
73 修改数据 - 选择数据 = 修改值 0.1k
-
74 合并数据 - df1.append(df2) - df2加到df1的尾 0.7k
-
75 合并数据 - pd.concat([df1,df2,df3]) - 多表合并 0.9k
-
76 合并数据 - df3=df1.add(df2) - 加法运算合并 0.3k
-
77 合并数据 - df.merge() - 多功能合并 1k
-
78 整理 - df = df[["A","B"]] - 重排列 0.4k
-
79 整理 - df.round({}) - 小数点后2位 0.4k
-
80 导出数据 - df. to_dict() - dict{} 1k
-
81 导出数据 - df. tolist() - list[] 0.5k
-
82 导出数据 - df.to_csv() - CSV文件 0.1k
-
83 导出数据 - df.to_excel(filename) - Excel文件 0.7k
-
84 导出数据 - df.to_sql() - mysql数据库 1k
-
85 导出数据 - df.to_json(filename) - Json格式到文本 0k
-
86 导出数据 - df.to_html() - HTML 0.2k
-
87 导出数据 - df.to_xml() - XML 0.7k
-
88 导出数据 - df. to_markdown() - markdown 0.3k
-
89 matplotlib - 配置显示图表 0k
-
90 matplotlib - plt.subplot(,,) - 行，列，按列第几个 0k
-
91 matplotlib - plt.plot(,,) - 显示图表 0.1k
-
92 matplotlib - plt.xlabel(“”) - X/Y轴名字 0k
-
93 matplotlib - plt.title(“”) - 标题 0k
-
94 matplotlib - plt.legend() - label小图示 0k
-
95 提升 - 数据分析方法 3k
-
pandas读取excel
pandas merge
pandas dataframe
pandas groupby
pandas apply
pandas concat
pandas安装
pandas groupby函数
pandas drop
pandas iloc
pandas to_excel
pandas series
pandas fillna
pandas 删除列
pandas 去重
pandas to_csv
pandas排序
pandas query
pandas replace
pandas pivot
pandas astype
pandas append
pandas to_sql
pandas isin
pandas index
pandas set_index
pandas value_counts
pandas根据一列对另一列赋值
pandas melt
pandas describe
pandas 创建空dataframe
pandas explode
pandas json
pandas datetime
pandas iterrows
pandas mean
pandas sum
pandas dtype
pandas columns
pandas 切片
pandas 删除
pandas 插入行
pandas选取指定列
pandas timestamp
pandas timedelta
pandas list
pandas info
pandas read_table
pandas tolist
pandas empty
pandas print
pandas保留小数
pandas inplace
pandas reset_index()
1 -
置顶帖 - 本帖收集增加的内容
更新日期：2025-01-21 21:07:11
书闪笔记使用提示 - pandas
Pandas 是一个开源的Python数据分析库，提供了高性能、易用的数据结构和数据分析工具。它广泛应用于数据处理、数据分析、数据清洗和数据可视化等领域。Pandas 的核心数据结构是DataFrame和Series，它们使得处理结构化数据变得非常方便。这个是置顶帖，专门收集下方未完善的概念、文章，可以在此提交请求。提交的请求得到确认可以返回积分，积分可以用作兑换栏目。
欢迎大家把笔记📒整理到本网站，愿意小做笔记的小伙伴都可以免费使用!
.png)
