MONSTERSU的博客

原创 SQL中的窗口函数

SQL窗口函数

原创 python日期&时间函数详解

now()、timestamp()与timetuple()等方法前加utc则可以转化为UTC标准时区。dt.timestamp() ：将datetime转换为时间戳timestamp。dt.strptime() ：将时间字符串转换为格式化的datetime。dt.strftime() ：将datetime转换为格式化的时间字符串。dt.fromtimestamp() ：将时间戳转换为datetime。dt.timetuple() ：将datetime转换为时间元组。dt.now() ：获取当前日期和时间。

原创 pandas中map,apply和applymap的用法

疑问1，map 和lambda1.吗

原创 pandas中格式转换（粗略）

1. df.style.format用法 df.style.format(formatter,subset=None,na_rep: Union[str, NoneType] = None,)常用df.style.foramt("{‘列名’：格式}")例如有这样的一个DataFrame,我们把它转换为float类型，精确到小数点后两位可以键入：df6.style.format("{:0.2f}")结果：如果要改为百分比格式：#精确到小数点后两位df6.style.for

原创 np.concatenate()

原创 创建DataFrame

方法一：非唯一值字典法d1=pd.DataFrame({‘id’:[102,103,101],‘color’:[‘blue’,‘red’,‘yellow’]})d1#当values为多个连续的数值或者随机值的时候可以用到numpy的一些methodimport numpy as npd2=pd.DataFrame({‘id’:np.arange(101,104),‘score’:np.random.randint(80,100,size=3)})d2方法二：二维数组法#生成一个

原创 SQL面试题（口头回答 非笔试）

1.SQL：where和having的区别。1、where是对原始数据的条件约束，约束的是原始表格的字段。2、having是对分组后数据的筛选，having 前面多和group by l连用，后面跟聚合函数2.join 的几种区别inner join/join级联查询两个表时，返回的结果是两个表中均存的记录left join级联查询两个表时，会返回的左表的所有记录 以及右表存在的记录，没有则返回nullright join级联查询两个表时，会返回的右表的所有记录以及左表存在的记录，没有则返回nu

原创 举例说明pandas中的combine_first的作用

1. 创建一个数据表df1import pandas as pdimport numpy as npdf1=pd.DataFrame(np.arange(6).reshape(3,2),index=[‘a’,‘b’,‘c’],columns=[‘one’,‘two’]df1)2.第二个表df2,和df1有两个重复的位置但是数据不同，在图中用红框标注了出来df2=pd.DataFrame(5+np.arange(4).reshape(2,2),index=[‘a’,‘c’],columns

原创 pandas认识、查找和处理缺失值（基础篇）

1.认识缺失值pandas中NaN表示缺失值创造缺失值(1)：from numpy import nan as NAdat=pd.Series([NA,1,3])创造缺失值(2)：

原创 pandas读取表格时候header的用法

1.header=0读取一个music的dataframe,不设置header，则pandas会默认header=0 也就是数据表的第一行为表头import pandas as pdmusic=pd.read_csv('music.csv')#默认查看前5行数据，括号内可以自定义行数music.head()2. header为大于0的整数设置header=2，会把数据表的第二行当作表头，第二行前面的数据会丢失，header等于几，那一行就会被设置为标题行> `music2=pd

原创 pandas查找某个字段下的基本信息value_counts

以一个music表为例，查找每种性别分别有多少个，占比是多少1.首先查找每个gender=0和=1的数量方法一：以一个music的表格为例，values_count()是series的argumentimport pandas as pdmusic=pd.read_csv('music.csv')music.gender.value_counts()结果如下方法二：用groupby把数据按照gender分类，输出count（）不推荐 没有必要这时候用import pandas as p

原创 Pandas插入多行数据

1.导入数据import pandas as pdmusic=pd.read_csv('music.csv')music内容如下2.创建新的dataframe，包含要新增的row，并且令列名等于原表（music）的列名，这里新增两个人，一个60岁，一个61岁new_rows=pd.DataFrame([[60,1,'rock'],[61,0,'hiphop']],columns=music.columns)new_rows的结果如下：3.将两个dataframe合并，同时要忽略i