先自我介绍一下,小编浙江大学毕业,去过华为、字节跳动等大厂,目前阿里P7
深知大多数程序员,想要提升技能,往往是自己摸索成长,但自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年最新软件测试全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上软件测试知识点,真正体系化!
由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新
如果你需要这些资料,可以添加V获取:vip1024b (备注软件测试)
正文
读excel文件
返回一个DataFrame对象,多维数据结构
df = pd.read_excel(‘lemon_cases.xlsx’, sheet_name=‘multiply’)
print(df)
1.读取一列数据
df[“title”] 返回一个Series对象,记录title这列的数据
print(df[“title”])
Series对象能转化为任何序列类型和dict字典类型
print(list(df[‘title’])) # 转化为列表
title为DataFrame对象的属性
print(list(df.title)) # 转化为列表
print(tuple(df[‘title’])) # 转化为元组
print(dict(df[‘title’])) # 转化为字典,key为数字索引
2.读取某一个单元格数据
不包括表头,指定列名和行索引
print(df[‘title’][0]) # title列,不包括表头的第一个单元格
3.读取多列数据
print(df[[“title”, “actual”]])
3.按行读取数据
import pandas as pd
读excel文件
df = pd.read_excel(‘lemon_cases.xlsx’, sheet_name=‘multiply’) # 返回一个DataFrame对象,多维数据结构
print(df)
1.读取一行数据
不包括表头,第一个索引值为0
获取第一行数据,可以将其转化为list、tuple、dict
print(list(df.iloc[0])) # 转成列表
print(tuple(df.iloc[0])) # 转成元组
print(dict(df.iloc[0])) # 转成字典
print(dict(df.iloc[-1])) # 也支持负索引
2.读取某一个单元格数据
不包括表头,指定行索引和列索引(或者列名)
print(df.iloc[0][“l_data”]) # 指定行索引和列名
print(df.iloc[0][2]) # 指定行索引和列索引
3.读取多行数据
print(df.iloc[0:3])
4.iloc和loc方法
import pandas as pd
读excel文件
df =pd.read_excel(‘lemon_cases.xlsx’, sheet_name=‘multiply’) # 返回一个DataFrame对象,多维数据结构
print(df)
1.iloc方法
iloc使用数字索引来读取行和列
也可以使用iloc方法读取某一列
print(df.iloc[:, 0])
print(df.iloc[:, 1])
print(df.iloc[:, -1])
读取多列
print(df.iloc[:, 0:3])
读取多行多列
print(df.iloc[2:4, 1:4])
print(df.iloc[[1, 3], [2, 4]])
2.loc方法
loc方法,基于标签名或者索引名来选择
print(df.loc[1:2, “title”]) # 多行一列
print(df.loc[1:2, “title”:“r_data”]) # 多列多行
基于布尔类型来选择
print(df[“r_data”] > 5) # 某一列中大于5的数值为True,否则为False
print(df.loc[df[“r_data”] > 5]) # 把r_data列中大于5,所在的行选择出来
print(df.loc[df[“r_data”] > 5, “r_data”:“actual”]) # 把r_data到actual列选择出来
5.读取所有数据
import pandas as pd
读excel文件
df = pd.read_excel(‘lemon_cases.xlsx’, sheet_name=‘multiply’) # 返回一个DataFrame对象,多维数据结构
print(df)
读取的数据为嵌套列表的列表类型,此方法不推荐使用
print(df.values)
嵌套字典的列表
datas_list = []
for r_index in df.index:
datas_list.append(df.iloc[r_index].to_dict())
print(datas_list)
6.写入数据
import pandas as pd
读excel文件
df = pd.read_excel(‘lemon_cases.xlsx’, sheet_name=‘multiply’) # 返回一个DataFrame对象,多维数据结构
print(df)
df[‘result’][0] = 1000
print(df)
with pd.ExcelWriter(‘lemon_cases_new.xlsx’) as writer:
df.to_excel(writer, sheet_name=“New”, index=False)
03 使用pandas来操作csv文件
1.读取csv文件
案例中的 data.log 文件内容如下所示:
TestID,TestTime,Success
0,149,0
1,69,0
2,45,0
3,18,1
4,18,1
import pandas as pd
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
需要这份系统化的资料的朋友,可以添加V获取:vip1024b (备注软件测试)
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
ort pandas as pd
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
需要这份系统化的资料的朋友,可以添加V获取:vip1024b (备注软件测试)
[外链图片转存中…(img-Tno4IbBQ-1713596548492)]
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!