- 1置顶帖 - 本帖收集增加的内容公开
- 2置顶帖 - 本帖收集增加的内容公开
- 3pandas教程 - 非常详细版公开
- 4pandas教程 - 详细版公开
- 5Anaconda - 安装公开
- 6Jupyter-notebook - Jupyter-notebook公开
- 7Pandas - 概述、安装、下载公开
- 8数据结构 - 列型 - Series()公开
- 9数据结构 - 表格型 - DataFrame()公开
- 10前置方法 - 打印优化设置公开
- 11导入数据 - pd.DataFrame(data) - 读[]list公开
- 12导入数据 - pd.read_csv() - 读CSV文件公开
- 13导入数据 - pd.read_table(fname) - 读定分隔符文本公开
- 14导入数据 - pd.read_excel(filename) - 读Excel文件公开
- 15导入数据 - pd.read_sql(query, conobject) - 读sql公开
- 16导入数据 - pd.read_json(jsonstr) - 读json字符串公开
- 17导入数据 - pd.read_html(url) - 解析URL或HTML公开
- 18导入数据 - pd.read_clipboard() - 粘贴板获取内容公开
- 19导入数据 - pd.read_xml() - XML公开
- 20创建DataFrame - 数据DataFrame公开
- 21创建DataFrame - 空DataFrame、方法流通公开
- 22重要概念 - inplace=True - 原df修改公开
- 23数据类型 - int64、float64、bool、datetime64公开
- 24数据类型 - pd.Timestamp() - 时间公开
- 25数据类型 - pd.Timedelta() - 时长公开
- 26数据类型 - print(df.dtypes) - 查看数据类型公开
- 27重要函数 - apply(fun) - 传入方法公开
- 28转换 - df["列"].apply() - 字段是list转多行公开
- 29转换 - df.explode("要拆的列") - 字段是list转多行公开
- 30转换 - df["列"].apply() - 字段是dict转成多列公开
- 31转换 - pd.melt() - 多列转多行公开
- 32转换 - pd.pivot() - 多行转多列公开
- 33转换 - 多列合并公开
- 34判断 - if df.empty: - Data Frame 是否为空公开
- 35DataFrame信息 - df.shape[0] - [0]行数、[1]列数公开
- 36DataFrame信息 - list(data) - 全部列名公开
- 37DataFrame信息 - df.info() - 数据集的数据类型公开
- 38DataFrame信息 - df.describe() - 描述公开
- 39列级 - df["新列名"] = 0 - 新增列和基础值公开
- 40列级 - df[""] = df[""].xx - 数据截取、数据转换日期公开
- 41列级 - astype("float64") - 替换数据类型公开
- 42列级 - df.set_index("columns") - 列转索引公开
- 43列级 - df.reset_index() - 索引转列公开
- 44列级 - df.reset_index() - 索引重置公开
- 45列级 - df_new = df.rename() - 列改名公开
- 46列级 - df.columns=["a","b"] - 重命名列名公开
- 47列级 - df.drop() - 删除列公开
- 48行级 - df.append(s) - 增加行公开
- 49行级 - df.drop() - 删除行，清空公开
- 50内容 - sort_value() - 排序公开
- 51内容 - df.drop_duplicate() - 去重公开
- 52内容 - df.dropna() - 删除所有包含空值的行公开
- 53内容 - str.replace() - 替换公开
- 54内容 - df.where() - NaN转换为None公开
- 55内容 - df.fillna() - NaN转换公开
- 56内容 - python语法判空公开
- 57选择数据 - random_rows = df.sample(3) - 随机3行公开
- 58选择数据 - df[] - python切片公开
- 59选择数据 - df.loc[:,:] - 行名,列名 - 时间范围公开
- 60选择数据 - df.nlargest() - 最大最小时间公开
- 61选择数据 - df.iloc[:,:] - 行index,列index公开
- 62选择数据 - df[] - df[选择指定列]公开
- 63选择数据 - df[][] - df[选择指定列][筛选条件]公开
- 64选择数据 - df[df["A"] == "a"]] - 列A等于a的数据公开
- 65获得数据值 - 选择后.index[0] - index公开
- 66for - for循环 - 较慢不建议用公开
- 67分组 - df.groupby(by="A列") - 分组公开
- 68运算 - df["A"].value_counts() - 按a列数量统计公开
- 69运算 - 选择后.sum() - 求和公开
- 70运算 - 选择后.mean() - 平均值公开
- 71运算 - df["C"]=df["A"]-df["B"]公开
- 72运算 - df.agg() - 聚合运算公开
- 73修改数据 - 选择数据 = 修改值公开
- 74合并数据 - df1.append(df2) - df2加到df1的尾公开
- 75合并数据 - pd.concat([df1,df2,df3]) - 多表合并公开
- 76合并数据 - df3=df1.add(df2) - 加法运算合并公开
- 77合并数据 - df.merge() - 多功能合并公开
- 78整理 - df = df[["A","B"]] - 重排列公开
- 79整理 - df.round({}) - 小数点后2位公开
- 80导出数据 - df. to_dict() - dict{}公开
- 81导出数据 - df. tolist() - list[]公开
- 82导出数据 - df.to_csv() - CSV文件公开
- 83导出数据 - df.to_excel(filename) - Excel文件公开
- 84导出数据 - df.to_sql() - mysql数据库公开
- 85导出数据 - df.to_json(filename) - Json格式到文本公开
- 86导出数据 - df.to_html() - HTML公开
- 87导出数据 - df.to_xml() - XML公开
- 88导出数据 - df. to_markdown() - markdown公开
- 89matplotlib - 配置显示图表公开
- 90matplotlib - plt.subplot(,,) - 行，列，按列第几个公开
- 91matplotlib - plt.plot(,,) - 显示图表公开
- 92matplotlib - plt.xlabel(“”) - X/Y轴名字公开
- 93matplotlib - plt.title(“”) - 标题公开
- 94matplotlib - plt.legend() - label小图示公开
- 95提升 - 数据分析方法公开
运算 - 选择后.sum() - 求和
-%E6%B1%82%E5%92%8C.png&w=1920&q=85)
sum() 求和
import numpy as npimport pandas as pdsum = data.loc[:, "counts"].sum() # 先选择，后合计sum()
lambda表达式 多列
| A | B | |
|---|---|---|
| C | 1 | 2 |
| D | 3 | 4 |
df_pt.loc["列总和"] =df_pt.apply(lambda x:x.sum())
| A | B | |
|---|---|---|
| C | 1 | 2 |
| D | 3 | 4 |
| 列总和 | 4 | 6 |
df_pt["行总和"] =df_pt.apply(lambda x:x.sum(),axis = 1)
| A | B | 行总和 | |
|---|---|---|---|
| C | 1 | 2 | 3 |
| D | 3 | 4 | 7 |
groupby([“分组列”], axis=0)[“目标列”].sum()分组求和
| A | B |
|---|---|
| C | 1 |
| C | 1 |
| D | 3 |
df2 = data_choose.groupby(["A"], axis=0)["B"].sum().reset_index()# 最后要.reset_index()索引重置
| A | B |
|---|---|
| C | ２ |
| D | 3 |