rename(columns={‘color’:‘個數’,‘price’:‘均價’,‘table’:‘最大面積’},inplace=True)result分組與聚合練習題# pandas中的read_html可以爬取頁面上table標籤裡面
sort_values(by=‘line’, ascending=False)print(df_city)create_map(df_city)create_line(df_city)已經開通地鐵的城市資料,還有各個城市的地鐵線路數
set_index(‘姓名’)))執行結果:姓名_1 年齡 性別 姓名_2 愛好1 趙一 23 男 趙一 游泳4 錢二 27 女 NaN NaN5 孫三 26 女 NaN NaN姓名 年齡 性
concat([df,df1],axis=1)5、map方法:用來批次對一個DataFrame進行逐行、逐列和逐元素的操作需求:將學生資訊裡的性別男改為1,性別女改為0結果:實現方式:dic = {‘name’:[‘cherish’,‘li
head(i) 來實現,而
loc[(df[0]==‘js’) & (df[2]==‘cz’)]print(df1)顯示結果如下:0 1 2 30 js 100 cz 2003 js 200 cz 200以上為篩選操作,根據實際
merge(df1,df2,left_on = “name”,right_on = “call_name”,how =“inner”)outer 外連線,取並集,並用nan填充df3 = pd
loc[(df[0]==‘js’) & (df[2]==‘cz’)]print(df1)顯示結果如下:0 1 2 30 js 100 cz 2003 js 200 cz 200以上為篩選操作,根據實際
max()print(df1)level math chinesegenderman a 120 108woman b 130 118統計單個數值列的最大值group = df
# 首先定義df0和df1兩個DataFrame,這是後續實驗的素材In[1]: import pandas as pdIn[2]: import datetime as dtIn[3]: df0 = pd
concat((df1,df1),axis=1)2、 不匹配級聯不匹配指的是級聯的維度索引不同,比如,縱向索引[‘A’,‘B’,‘C’]和[‘A’,‘D’,‘C’]不一樣或者橫向索引不一樣[0,1,2,3]和[2,3,6,8]有兩種連線方式
concat([df1,dfa],ignore_index=True)animal letter number0 NaN a 11 NaN b 22 cat c 33 dog d 44 pig w 8axis=1,按照索引來合併5、resu
DataFrame([[‘c’, 3, ‘cat’], [‘d’, 4, ‘dog’]],columns=[‘letter’, ‘number’, ‘animal’])display(df1)display(df3)# 合併物件pd
concat([df,df1],axis=1)5、map方法:用來批次對一個DataFrame進行逐行、逐列和逐元素的操作需求:將學生資訊裡的性別男改為1,性別女改為0結果:實現方式:dic = {‘name’:[‘cherish’,‘li
merge(df1,df2,how=‘inner’,left_index=True,right_index=True,suffixes=(‘左’,‘右’)) #index 自定義字尾以某一列為連線鍵進行合併比如以key1列進行合併merge
arange(9)) <<< ser2=pd
merge(left, right, on=[‘key1’, ‘key2’],how=‘outer’)result左連線(left)則會保留左邊的子DataFrame中所有的行:result = pd
concat((df1,df2),axis=0,join=‘outer’)# 縱向級聯,預設是外連線(2)內連線找到兩張表共同存在的列進行合併### 內連線pd
iloc[i,j+2]>df1
新手建議一步到位尼康f100,玩到最後肯定是走到大畫幅了,(我感覺135單論價效比,便攜性,功能性f100最強了)別跟我一樣,我媽說我是收破爛的,家裡一堆相機推薦美能達x300海鷗df1本來就是仿造的美能達SRT101海鷗,比較有特色的建議