Lyun911-CSDN博客

原创 2021-06-09 MARKDOWN编辑器

这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Markdown编辑器你好！这是你第一次使用 Markdown编辑器所展示的欢迎页。如果你想学习如何使用Mar

2021-06-09 14:39:05 218

原创【Python办公自动化】docx库的使用（读取/编辑/调整 docx文档）

Python办公自动化 - docx库的使用1 简介1.1 docx库1.2 docx文件结构2 读取2.1 读取文件 docx.Document()2.2 读取段落 doc.paragraphs2.3 读取文字块 doc.runs3 编辑3.1 创建文档3.2 添加标题3.3 添加段落3.4 添加文字块3.5 添加分页3.6 添加图片3.7 添加表格3.8 保存4 文字/段落样式调整4.1 修改文字样式4.2 修改段落样式HomeWork作业1：词频计数作业2：请假条作业3：会议模板整理博客不易，如

2021-03-06 15:17:45 1617

原创【Python办公自动化】文件管理：创建、重命名、删除、复制、移动、创建临时-文件/文件夹

【Python自动化办公】文件管理1 创建os.mkdir() 创建 folderos.makedirs() 创建 foldersopen() 创建 filewith open() as f: 创建 file2 重命名os.rename() 重命名 file/folder3 删除os.remove() 删除 fileshutil.rmtree() 删除 folder4 复制shutil.copy() 复制 fileshutil.copytree() 复制 folder5 移动shutil.move() 移动

2021-03-06 14:05:35 697

原创【Python基础语法】最实用的.format()字符串格式化总结

Python基础语法 format字符串格式化0 简介1 format 的4种基础用法1.1 缩写+直接填充1.2 按顺序填充1.3 按照编号填充（次序可变）1.4 关键字写法（key-value）2 format 字符串格式化方法2.1 数字：四舍五入/ 百分比2.2 数字：正负号显示2.3 数字：科学计数法2.4 数字：填充2.5 字符串：左/中/右对齐2.6 字符串：填充2.7 字符串：Unicode/ 进制转换转载请注明出处 ????！手动反爬：【Python办公自动化】文件管理htt

2021-03-06 12:13:19 7268 21

原创【Python办公自动化】遍历查询文件管理：os.walk/ os.scandir/ os.stat/ glob/ fnmatch/ Unix/ datetime

Python办公自动化文件管理1 os.walk()2 glob.glob()3 fnmatch.fnmatch()4 os.stat()5 Unix 时间戳5.1 datetime.datetime.fromtimestamp()5.2 time.strftime()6 HomeWork 项目作业6.1 方法1：os.walk() 遍历6.2 方法2：glob.glob() 遍历6.3 方法3：os.walk() + os.scandir()6.4 方法4：os.scandir() 递归遍历转载请注

2021-02-28 16:19:18 992 5

原创【Python 编程基础】01_While循环基础

While循环1 While 基本用法1.1 While 循环图示2 While 循环的 Break3 While 循环的 Continue4 While 循环的 Exit5 While 循环案例5.1 计数器5.2 输出金字塔阵列5.3 乘法口诀表5.45.55.61 While 基本用法当 while 之后的内容非 True 的时候，循环语句例子中，由于 a = 11 时，a >= 10，此时循环的前提条件 a < 10 不成立，故循环终止，输出内容为 1, 3, 5, 7, 9#

2021-02-02 21:36:31 1235 2

原创【Python 编程基础】03_错误捕获 Try...Except...Else...Finally

1 最简单的错误处理try: print(1 / 0)except: print('出现错误')else: print('正常运行')2 按照错误提示进行不同的处理当以下代码出现错误时，可以看到错误类型，可以把错误类型直接填写在except后面except ZeroDivisionError:# print(1 / 0)# 错误提示：ZeroDivisionError: division by zerotry: print(1 / 0)except ZeroDivisionE

2021-01-25 20:55:01 152

原创【数据分析师_02_SQL+MySQL】999_阶段测试（题目及参考答案）

# 1.1 创建db名字叫 flight 创建新表名字叫on_time_performance# 1.2 航班数据检查csv ，导入到sql数据库中# 1.3 执行count语句查看总行数SELECT count(*) AS row_num FROM on_time_performance;# 2.1 在航班及时率表中有如下delay延迟字段，请找出导致延迟次数最多的是哪一个原因，并给出各个原因累计的延迟时间 WeatherDelay, CarrierDelay, NASDelay, Se

2021-01-22 19:17:15 745 1

原创 Sublime 自动去除行尾空格、运算符前后添加空格、TAB转换为SPACE、显示TAB和SPACE

注：在 Preferences > Settings > User 中设置时，是在字典中增加键值对 k-v，要记得加 ","1 自动去除行尾空格Preferences > Settings > User 加入："trim_trailing_white_space_on_save": true,2 运算符前后添加空格的插件转自：Sublime 运算符前后添加空格的插件3 Tab转换为 SpacePreferences > Settings > User 加入

2021-01-21 22:52:28 889

原创【Python基础】02_Python变量、函数、表达式、语句等

Pytho变量、函数、表达式、语句等1 变量Variable1.1 创建变量的方式1.2 作用域和生存期1.3 命名原则和习惯2 Python 内置函数3 Python 常用内置类型4 Python 关键词5 表达式6 语句1 变量Variable16世纪，法国数学家：弗朗索瓦·韦达，开始使用使用字母表示已知及未知数字，并将这些字母视同数字一样运算，以在最后简单代入数值求解。1637年，勒內·笛卡尔引入了以 x , y , z表示公式中的未知數，以 a , b , c表示已知数字的习惯变量是一种占位

2021-01-19 20:44:15 168

原创 Python五项全能班-问题汇总

以下使用 Sublime Text编辑器怎么学习看教学视频时，跟着老师敲代码，切勿 “云代码”，只看不练Python强调 “刻意训练”，因此遇到问题时先不要找助教，自己尝试找出问题，试着搜索百度、csdn、runoob解决学会看错误提示，如在 sublime中运行遇到错误，可以仔细阅读错误提示，可以在线翻译，或者搜索解决（看下一点）可以考虑看2-3遍视频课程，每节课之间间隔1-2天，加强记忆和理解，不会的问题，上课没有消化的知识点也可以+1自己尝试15分钟以上还解决不了的问题问助教怎么自己

2021-01-17 11:31:28 1447 6

原创 Sublime插件 FileHeader 的安装、设置、使用

Sublime插件 FileHeader 安装、设置、使用（Python）1 安装2 设置3 使用转载请注明出处 ????！！！我找遍了全网，结果没有一个人能把 Python使用 FileHeader插件的设置、使用这两个方面写清楚的！！！我之前在旧电脑上配置成功了 FileHeader之后，没有留下记录，导致这次再次安装 FileHeader花费了整整1个小时的时间才调试成功！！！因此我就写了一个 BLOG记录一下整个设置和使用的过程，希望可以给小伙伴们避避坑！！！1 安装打开 subli

2021-01-16 23:27:11 1767 2

原创【数据分析师_04_Python数据分析基础】008_Pandas时序分析（pd.dataframe.diff() 做差功能）

Pandas的时序分析8 pandas.dataframe.diff() 做差功能注：以下使用 Jupyter Notebook 演示8 pandas.dataframe.diff() 做差功能df = pd.DataFrame( { 'a': [11, 12, 13, 14], 'b': [11, 22, 33, 44], 'c': [55, 66, 77, 88] })df.diff() # 用本行数据 - 上一行数据（此

2021-01-16 17:16:30 493

原创【数据分析师_04_Python数据分析基础】007_Pandas时序分析（pd.dataframe.shift() 移动功能）

Pandas的时序分析7 pd.dataframe.shift() 移动功能7.1 数据移动，index不动7.2 计算前后n天的差异7.3 日期 index上下移动注：以下使用 Jupyter Notebook 演示7 pd.dataframe.shift() 移动功能pandas.dataframe.shift() 函数可以把数据移动指定的位置period 参数指定移动的步幅，可以为正为负 .axis 指定移动的轴，1为行，0为列载入数据：import pandas as pdpd.set

2021-01-16 17:14:38 498

原创【数据分析师_04_Python数据分析基础】006_Pandas时序分析（df.tz_localize 时区位置、df.tz_convert 时区转换）

Pandas的时序分析6 pd.dataframe.timezone 时区转换功能6.1 df.tz_localize 时区位置6.2 df.tz_convert 时区转换6.3 不同时区的转换，带时区的 date_range注：以下使用 Jupyter Notebook 演示6 pd.dataframe.timezone 时区转换功能在处理数据的时候，我们拿到的数据一般都有两种时间状态:A 本地时间状态，不区分时区问题B 带有时区的时间状态timezone 功能就是解决时区问题的利器载入

2021-01-16 17:13:30 405

原创【数据分析师_04_Python数据分析基础】005_Pandas时序分析（pd.Period 和 pd.PeriodIndex 的使用）

Pandas的时序分析5 pd.Period 和 pd.PeriodIndex 的使用5.1 pd.Period('0000-00-00 00:00:00', freq = 'Y/Q/M/W/D/H')5.1.1 freq = 'Y'5.1.2 freq = 'Q'5.1.3 freq = 'M'5.1.4 freq = 'W'5.1.5 freq = 'D'5.1.6 freq = 'H'5.2 pd.period_range() 的用法5.3 使用沃尔玛的营收数据演示（设置季度起止）注：以下使用

2021-01-16 17:10:33 1428

原创【数据分析师_04_Python数据分析基础】004_Pandas时序分析（pd.to_datetime 统一时间格式，处理特殊、无效时间）

Pandas的时序分析4 pd.to_datetime 统一时间格式4.1 .to_datetime() 常见时间的转换4.2 .to_datetime 日期在前 dayfirst4.3 .to_datetime 处理特殊格式 format4.3 .to_datetime 处理无效时间 errors4.4 .to_datetime 和 timestamp注：以下使用 Jupyter Notebook 演示4 pd.to_datetime 统一时间格式4.1 .to_datetime() 常见时间的转换

2021-01-16 17:08:53 4120

原创【数据分析师_04_Python数据分析基础】003_Pandas时序分析（pd.tseries 中的节假日功能）

Pandas的时序分析3 pd.tseries 中的节假日功能3.1 自定义节假日3.2 自定义工作日3.3 自动计算 n个工作日后的日期注：以下使用 Jupyter Notebook 演示3 pd.tseries 中的节假日功能这个东西用的少，又比较复杂，涉及的功能包括：pandas.tseries.offsets.CustomBusinessDaypandas.tseries.holiday.AbstractHolidayCalendarpandas.tseries.holiday.near

2021-01-16 17:07:17 1590

原创【数据分析师_04_Python数据分析基础】002_Pandas时序分析（pd.date_range() 时间序列）

Pandas的时序分析2 pd.date_range() 时间序列2.1 .date_range() 生成时间序列，作为 index2.2 .date_range() 生成一定间隔的时间序列2.3 .difference() 找到缺失的日期2.4 .asfreq() 按时间序列查看数据注：以下使用 Jupyter Notebook 演示2 pd.date_range() 时间序列什么是 Date_rangePandas 中的 .date_range() 函数用来生成一个日期序列，在需要构造一个日期序

2021-01-16 17:05:16 460

原创【数据分析师_04_Python数据分析基础】001_Pandas时序分析

Pandas的时序分析1 Pandas的 DatetimeIndex1.1 使用 datetimeindex1.2 使用 .ReSampling 重采样功能注：以下使用 Jupyter Notebook 演示1 Pandas的 DatetimeIndexDatetimeIndex 是什么从本地文件中加载一系列数据，如果其中一列是日期数据，DataFrame 加载后，日期数据默认是一个 object （可以看成是 str）类型的 “列”如果想要将该列设置为索引，并且是时间戳索引的话，可以用到 pd.

2021-01-15 22:07:24 177 1

原创【数据分析师_04_Python数据分析基础】001-008_Pandas时序分析【汇总版】（日期索引，重新采样，时间序列，节假日，统一时间格式，Period，时区转换，Shift数据移动）

Pandas的时序分析1 Pandas的 DatetimeIndex1.1 使用 datetimeindex1.2 使用 .ReSampling 重采样功能2 pd.date_range() 时间序列2.1 .date_range() 生成时间序列，作为 index2.2 .date_range() 生成一定间隔的时间序列2.3 .difference() 找到缺失的日期2.4 .asfreq() 按时间序列查看数据3 pd.tseries 中的节假日功能3.1 自定义节假日3.2 自定义工作日3.3 自动

2021-01-15 22:02:42 456

原创【数据分析师_04_Python数据分析基础】007_Pandas基础（MySQL 数据库数据内容的读取和写入）

Pandas基础7 数据库数据内容的读取和写入7.1 利用sql接口访问数据库7.2 读取 MySQL的数据7.2.1 两种方式读取 MySQL的 Table7.2.2 使用 MySQL的 Query功能读取特定数据7.3 使用to_sql进行数据写入注：以下使用 Jupyter Notebook 演示7 数据库数据内容的读取和写入数据库除了之前介绍的csv、excel类数据外，也是可以利用pandas直接操作的数据来源pandas.read_sql 可以在数据库中执行指定的SQL语句查询或对整张表

2021-01-15 21:59:48 172

原创【数据分析师_04_Python数据分析基础】006_Pandas基础（Replace 替换缺失数据）

Pandas基础6 Replace 替换缺失数据6.1 单值替换6.2 多值替换6.3 列表替换6.4 re正则替换注：以下使用 Jupyter Notebook 演示6 Replace 替换缺失数据首先创建一个 DFimport pandas as pdimport numpy as npdf = pd.read_csv('weather_data.csv')6.1 单值替换# 替换单个数据newdf = df.replace( -99999, value = np.

2021-01-15 21:58:39 306

原创【数据分析师_04_Python数据分析基础】005_Pandas基础（N/A 缺失数据的补偿方法）

Pandas基础5 N/A 缺失数据的补偿方法5.1 填充缺失数据5.2 使用 `fillna` 填充数据5.3 使用 `interpolate` 拟合数据5.4 使用 `dropna` 删除缺失的数据注：以下使用 Jupyter Notebook 演示5 N/A 缺失数据的补偿方法5.1 填充缺失数据首先创建一个DF：import pandas as pddf = pd.read_csv( 'weather_data.csv', parse_dates = ['day']) #

2021-01-15 21:57:33 543

原创【数据分析师_04_Python数据分析基础】004_Pandas基础（Pandas读写 CSV、EXCEL）

Pandas基础4 Pandas读写 CSV、EXCEL4.1 CSV 的读取4.2 CSV 的写入4.3 EXCEL 的读取4.4 EXCEL 的写入注：以下使用 Jupyter Notebook 演示4 Pandas读写 CSV、EXCEL利用Pandas进行数据的输入和输出通常会有：CSV，Excel，Table 等方式4.1 CSV 的读取stock_data.csvimport pandas as pd# 读取 csv文件df = pd.read_csv('stock_data

2021-01-15 21:56:00 243

原创【数据分析师_04_Python数据分析基础】003_Pandas基础（DataFrame的创建模式 - CSV、XLSX、Dict-list、List-tuple、List-dict）

Pandas基础3 DataFrame的创建模式（5种）3.1 CSV to DataFrame3.2 XLSX to DataFrame3.3 Dict-List to DataFrame3.4 List-Turple to DataFrame3.5 List-Dict to Dataframe注：以下使用 Jupyter Notebook 演示3 DataFrame的创建模式（5种）3.1 CSV to DataFrameweather_data.csvweather_data2.csv

2021-01-15 21:54:49 163

原创【数据分析师_04_Python数据分析基础】002_Pandas基础（通过 Dict/CSV创建 Pandas ，DataFrame 的行列访问、筛选、组合筛选、索引）

Pandas基础2 数据框体Dataframe的基本使用2.1 用 Dict创建 DataFrame2.2 用 CSV文件创建 DataFrame2.3 DataFrame的行列式访问2.4 DataFrame的常规操作（筛选，组合筛选）2.5 DataFrame的索引 Index注：以下使用 Jupyter Notebook 演示2 数据框体Dataframe的基本使用DataFrame是一种表格型数据结构，它含有一组有序的列，每列可以是不同的值DataFrame既有行索引，也有列索引，它可以看作

2021-01-15 21:52:08 275

原创【数据分析师_04_Python数据分析基础】001_Pandas基础（简介，安装Pandas，安装Jupyter Notebook）

Pandas1 Pandas的功能介绍1.1 什么是Pandas1.2 Pandas的起源1.3 安装Pandas环境（JuypterNotebook）注：以下使用 Jupyter Notebook 演示1 Pandas的功能介绍1.1 什么是PandasPandas 是基于NumPy的一种工具，该工具是为了解决数据分析任务而创建的Pandas 是学习数据分析的基础Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具（因为Pandas 用C语言编写的，比Pyth

2021-01-15 21:48:54 244

原创【数据分析师_04_Python数据分析基础】001-007_Pandas基础【汇总版】（创建、筛选、索引、读写CSV EXCEL、补缺、数据库读写）

1 Pandas的功能介绍1.1 什么是PandasPandas 是基于NumPy的一种工具，该工具是为了解决数据分析任务而创建的Pandas 是学习数据分析的基础Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具（因为Pandas 用C语言编写的，比Python原生的 Dict和 List快100倍左右）Pandas提供了大量能使我们快速便捷地处理数据的函数和方法Pandas是使Python成为强大而高效的数据分析环境的重要因素之一1.2 Pandas的起

2021-01-10 17:30:19 252

原创 Jupyter Notebook 快捷键、安装主题、修改颜色、设置字体、注释斜体修改

Jupyter Notebook快捷键shift + tab 编码时查看帮助修改 Jupyter Notebook中注释的字体打开文件夹 E:\01_Softwares_My\Python_3.7.4\Lib\site-packages\notebook\static\custom找到文件并打开 custom.css里面内容修改为：/*Placeholder for custom user CSSmainly to be overridden in profile/s

2021-01-09 18:55:20 5459 3

原创【数据分析师_04_Python数据分析基础】004-011_Numpy（安装、生成、运算、变形、合并、拆分、矩阵）

Numpy1 Numpy和 SciPy概述1.1 科学计算是什么1.2 Numpy的历史和发展1.3 Numpy的应用1.4 Pip安装 Numpy、Scipy、Matplotlib、Pandas2 Numpy和 Python List的区别2.1 Python内置的数组结构2.2 Numpy和 List数组的相似处2.3 Numpy和 List数组的不同2.4 测试3 Numpy的常见功能3.0 Help(np.函数名)3.1 Array()3.1.1 List 和 Array创建数组3.1.2 Ndmi

2021-01-09 10:42:52 287

原创【数据分析师_04_Python数据分析基础】001-003_JupyterNotebook使用入门（安装，启动，使用，CODING，MARKDOWN，LSMAGIC，SHORT CUT）

JupyterNotebook使用入门1 安装 JupyterNotebook1.1 通过官方Anaconda安装器安装1.2 通过Pip安装器安装2 启动 JupyterNotebook2.1 启动 JupyterNotebook服务器2.2 启动 JupyterNotebook完毕3 使用 JupyterNotebook3.1 基本操作3.1.1 创建一个笔记本3.1.2 上传文件3.1.3 批量关闭打开的文件（FILE选项卡）3.1.4 查看打开的文件（RUNNING选项卡）3.1.5 并行计算（CL

2021-01-05 00:04:21 265

Python的Slicing切片器练习

空空如也