Py-pandas: 如何创建空的dataframe, 快速填充数据

Python - pandas

Python pandas 是python的数据分析包

下面代码可以复制到python环境下运行

目录

正文

例子1:创建空df,追加数据

import pandas as pd

#创建空dataframe只包含四列['AA','BB','CC','DD']
df1 = pd.DataFrame(columns = ['AA','BB','CC','DD'])

#追加数据
for i in range(5):
  df1.loc[i] = {'AA':i,'BB':i/2,'CC':i**2,'DD':i**3}

df1

结果:
例子1的结果

  • 1
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
你可以使用Python中的pandas库来读取excel文件中的数据,并对数据类型和值进行处理。以下是一个简单的示例: 首先,安装pandas库: ``` pip install pandas ``` 然后,导入pandas库: ``` import pandas as pd ``` 接下来,使用pandas的read_excel函数读取excel文件中的数据: ``` df = pd.read_excel("path/to/file.xlsx") ``` 其中,"path/to/file.xlsx"是excel文件的路径。 接着,使用pandas的fillna函数将填充为NaN: ``` df.fillna(value=pd.np.nan, inplace=True) ``` 如果你想将填充为其他值,可以将"value"参数设置为所需的值。 接下来,使用pandas的apply函数对每一列数据进行处理,并判断数据类型和值: ``` def check_type(val): if pd.isna(val): return "NA" elif isinstance(val, str): return "str" elif isinstance(val, int): return "int" elif isinstance(val, float): return "double" else: return "unknown" col_types = df.apply(lambda x: x.apply(check_type)) ``` 其中,check_type函数用于判断每个单元格的类型和值情况。apply函数用于对每一列数据进行处理,并返回一个新的DataFrame,其中包含每个单元格的类型和值情况。 最后,你可以将新的DataFrame保存到一个新的excel文件中: ``` col_types.to_excel("path/to/new/file.xlsx", index=False) ``` 其中,"path/to/new/file.xlsx"是要保存的新excel文件的路径,"index=False"表示不保存行索引。 希望这个示例可以帮助你区分字符串、整数、浮点数和值,并将数据保存到新的excel文件中。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值