Hello, 大家好
相信大家都已经在微信上,抖音上,或者别人的嘴里,听说过Python 编程,人工智能,大数据啥啥啥的。
但是那终究是个概念,我们让概念变成现实,那就得放下自己的观念,其实我也可以学编程,只要你有一台电脑,就随时随地可以学Python编程。
这是给没接触过Python 编程人的建议,赶紧来学吧,别整的像,我是干产品的,干运营的,干管理的,干保洁,干保安的,干等等工作的,学Python 跟我无关一样。
实际上,互联网上有几种不同的声音。
第一种:Python 编程就是忽悠人的,学完了,也不会写代码,也不会用。
这种人就是花了很多钱,很多精力,最终没有坚持下来的人群,因为他们缺乏各种练习,
导致手动能力很差,对自己完全丧失自信,已经很丧了,你问他如何学Python, 那基本会被同化。
第二种:我们是培训机构,我么培训Python 人工智能,数据分析,大数据,月薪过万轻轻松松,赶紧来学吧。
培训机构最牛的就是销售人员,他们会过度美化技术,美化培训行业,存在即合理,通过培训,如果学苗好,老师负责,全部就业,学会编程,几率是蛮大的,
如果学苗差,都是初中、小学毕业的小伙伴学习编程,和同为大学生学习编程,因为两种人群基础不同,没有站在同一起跑线,导致教学过程中很不公平,
就会导致一部分学历差的,学习的时候跟不上,导致落差很大。
老师、机构在没有及时纠正每个学员,的漏洞知识,时间长了,必然会淘汰一批人,并且社会上众多公司有一种恶俗的行为首先看第一学历,来判断一个人的能力。
导致很多学编程,即使学会了,也不会快速就业。这就是风险。
第三种:Python 能干着,能干那,助教老师真可爱,学起来真有意思,导致一看就懂,一学就会,一做就废。
因为会根据基础 差的人群,去相应的去除掉Python 编程里的复杂的知识点,甚至找一些非常简单的案例,让学员,一看就懂,一做就会的案例。
但是实际需求中,需求复杂多变,需要结合很多技术模块,很多细节处理,课程中可是没有的,周期短,导致学完并不能,直接上手工作,需要很长一段时间,去练习。
这种一看就懂,有个好处,起码前期你理解它的骨架,好多血肉和细节,是我们缺失的, 还需要找人交流,百度咨询。
总结:
学习方式有很多,自学、培训、找人教、买书,看视频,去参加培训,每种方式都是需要做的就是,知识投资,时间投资。
没错,学习就是一种投资,对于每天都能挤出时间,非常自律的人,我推荐自学,因为这种投资比较划算。
不自律,每天有大把时间、也不爱学习、理解力差,我推荐去参加培训,几千到3万不等,我觉得还好,大培训机构,小培训机构,社群模式都行,找到一个学习氛围比较好,出现问题有人解答就行。
源数据
类型 订单号 类型.1 amount SKU 日期
0 Order S11001-001 price 150 aaa1 2019-09-10 00:00:00
1 Order S11001-001 promotion -3 NaN NaN
2 Order S11001-001 fee 2 NaN NaN
3 Order S11001-001 price 145 aaa1 2019-09-10 00:00:00
4 Order S11001-001 promotion -6 NaN NaN
5 Order S11001-001 fee 5 NaN NaN
6 coup S11001-002 price 167 aaa3 2019-10-12 00:00:00
7 coup S11001-002 promotion -5 aaa3 NaN
8 coup S11001-002 fee 3 aaa3 2019-10-12 00:00:00
9 other B11001-003 price 150 aaa3 2019-10-12 00:00:00
10 other B11001-003 promotion -3 NaN NaN
11 other B11001-003 fee 2 NaN NaN
12 Order C11001-003 price 145 aaa3 01.09.2019
13 Order C11001-003 promotion -6 aaa3 01.09.2019
14 Order C11001-003 fee 5 aaa3 NaN
15 cest S11001-004 price 167 aaa4 NaN
16 cest S11001-004 promotion -5 NaN 01.10.2019
17 cest S11001-004 fee 3 NaN 01.10.2019
18 Order K11001-005 price 145 aaa3 01.10.2019
19 Order K11001-005 promotion -6 aaa3 01.10.2019
20 Order K11001-005 fee 5 aaa3 05.07.2020
21 Order K11001-006 price 167 aaa3 05.07.2020
22 Order K11001-006 promotion -5 aaa3 05.07.2020
23 Order K11001-006 fee 3 aaa3 05.07.2020
一、针对某列向下填充
对sku 列,进行向下填充
import pandas as pd
order = pd.read_excel(r'E:\ZhangTongle\office\test2.xlsx')
order['SKU']= order['SKU'].fillna(method='ffill')
显示结果
0 Order S11001-001 price 150 aaa1 2019-09-10 00:00:00
1 Order S11001-001 promotion -3 aaa1 NaN
2 Order S11001-001 fee 2 aaa1 NaN
3 Order S11001-001 price 145 aaa1 2019-09-10 00:00:00
4 Order S11001-001 promotion -6 aaa1 NaN
5 Order S11001-001 fee 5 aaa1 NaN
6 coup S11001-002 price 167 aaa3 2019-10-12 00:00:00
7 coup S11001-002 promotion -5 aaa3 NaN
8 coup S11001-002 fee 3 aaa3 2019-10-12 00:00:00
9 other B11001-003 price 150 aaa3 2019-10-12 00:00:00
10 other B11001-003 promotion -3 aaa3 NaN
11 other B11001-003 fee 2 aaa3 NaN
12 Order C11001-003 price 145 aaa3 01.09.2019
13 Order C11001-003 promotion -6 aaa3 01.09.2019
14 Order C11001-003 fee 5 aaa3 NaN
15 cest S11001-004 price 167 aaa4 NaN
16 cest S11001-004 promotion -5 aaa4 01.10.2019
17 cest S11001-004 fee 3 aaa4 01.10.2019
18 Order K11001-005 price 145 aaa3 01.10.2019
19 Order K11001-005 promotion -6 aaa3 01.10.2019
20 Order K11001-005 fee 5 aaa3 05.07.2020
21 Order K11001-006 price 167 aaa3 05.07.2020
22 Order K11001-006 promotion -5 aaa3 05.07.2020
23 Order K11001-006 fee 3 aaa3 05.07.2020
二、对分组之后的某组填充
coup_fill = order.groupby("类型").get_group("coup")[['SKU']].fillna(method='ffill')
for i in coup_fill.index:
order.loc[i,'SKU'] = coup_fill.loc[i,'SKU']
首先我们groupby 通过列:“类型“ 进行分组,然后获取coup组,并取得coup组的sku 列索引,进行向下填充。并返回dataframe 数据。
我们在通过for循环,获取新的dataframe 的索引,并通过索引,更新数据。更新数据使用loc 关键字。
验证
order[order['类型'].isin(['coup'])]
接下来我们来通过isin 去查询一下,我们更新 的数据。通过下方的数据,来验证,我们的数据的准确性。
显示
类型 订单号 类型.1 amount SKU 日期
6 coup S11001-002 price 167 aaa3 2019-10-12 00:00:00
7 coup S11001-002 promotion -5 aaa3 NaN
8 coup S11001-002 fee 3 aaa3 2019-10-12 00:00:00
通过显示可以看出,我们只对SKU列进行了填充。
如果想学习更多Python 处理Excel的技术,请加入我们的的学习交流群:367203382,群里有大牛坐镇
让你学习Python心里有底,信心倍增