python 杂记2

判断文件是否存在，以及复制文件

import os
import  shutil

# 判断文件是否存在
if not os.path.exists('C:\\Users'):
    # 复制文件，类似于 cp 命令
	shutil.copyfile(path1, path2)

pandas 判断某一列的规则

# df第一列的字符串不以4开头
df.iloc[:,0].str.match('[^4]')

pandas 中 series 转换为 dataframe

# 以下两个的结果是一样的。
df.iloc[:,0].to_frame()
df.iloc[:,[0]]

# 可用在，必须使用df的情况下
df_sum = df.sum(axis=1).to_frame()

pandas读取excel文件的两种方式

path = "./test.xlsx"

# 方式一：pd.read_excel
df = pd.read_excel(path,
                   sheet_name=0,
                   header=0,
                   index_col=None,
                   usecols=None,
                   skiprows=None,
                   nrows=None)
'''
pd.read_excel参数：
	path：文件路径/str, bytes, ExcelFile, xlrd.Book, path object, or file-like object
	sheet_name：可以是sheet名，也可以第几个sheet。
	header：设置列名索引（从0开始）
	index_col：设置索引（从0开始）
	usecols：选择你需要的列，比如"a:d"(a到d,包括a和d),"a,b"
	skiprows:忽略行数，可以用header来做，一般不用
	nrows：选择你需要的条数，比如10，就会读取10条数据

返回值：dataframe
它会直接读取数据
'''


# 方式二：pd.ExcelFile
df_e = pd.ExcelFile(path)

'''
pd.ExcelFile参数：
	path：文件路径

返回值：ExcelFile对象
它会将excel表解析为dataframe对象，若想读取数据，需要调用parse方法
'''

sheet_name = df_e.sheet_names
# 返回excel表中所有的sheet名

df_e.parse(sheet_name=0,
          header=0,
          index_col=None,
          usecols=None,
          skiprows=None,
          nrows=None)
'''
df_e.parse方法是读取ExcelFile对象中某个sheet表的值，其中的参数和read_excel方法中的参数的含义一样。

返回值：dataframe
'''

两种读取excel的方式怎么选？

一般情况下，确定读取表中的数据，就使用read_excel。

如果一个表中有多个sheet工作薄都要读取，可以使用pd.ExcelFile，还可以返回相对应的sheet名，防止读取数据时sheet名出错。

read_excel也可以返回所有都sheet名，需要将sheet_name设置为None，返回是一个大字典，字典的键就是sheet_name，值为对应的整个sheet的数据。这样有一个缺点，就是不能分别设置不同sheet读取方式，必须读取出来再处理，比较麻烦。

dataframe 与列表运算

df = pd.DataFrame([[1,2],[3,4]])

# dataframe 与列表运算
df*[0.1, 0.2]
'''
输出：
     0    1
0  0.1  0.4
1  0.3  0.8

列表会和dataframe每一行做运算
'''


#dataframe 插入列
df.insert(0,'1',2)
'''
在0的位置，插入一列，命名为'1'，值为2
'''

获取某月的第一天和最后一天的日期

import datetime
import calendar

# 2021年1月1日
month_s = datetime.datetime(2021, 1, 1)

# 获取某年某月的天数
num = calendar.monthrange(month_s.year, month_s.month)[1]
# 2021年1月最后一天
month_e = datetime.datetime(month_s.year, month_s.month, num)

pandas删除重复值drop_duplicates

df.drop_duplicates(subset=None, keep='first', inplace=False)

'''
参数解释：
subset：列标签或标签序列，可选, 默认使用所有列

keep：选项有{'first'，'last'，False}，默认'first'
	- first：保留第一次出现的重复项
	- last：删除重复项，除了最后一次出现
	- false：删除所有重复项

inplace:是否替换原数据，默认是生成新的对象
'''