【月度总结】数据库&Python&Excel_202206

Excel

1、将表格变为超级表

实现方法：Ctrl+T

功能:当有新的数据时，数据图形得到及时更新

2、创建透视表

Alt + D +P

3、动态图表

https://jingyan.baidu.com/article/5225f26bb4e00ee6fb090811.html

4、index函数

语法：index(reference，row_now,column_num,area_num)

参数：

reference：必需，对一个或多个单元格的引用。

row_num：引用中某行的行号，函数从该行返回一个引用。

column_num：可选，引用中某列的列标，，函数从该列返回一个引用。

area_num：可选，选择一个引用区域，从该区域中返回row_num和column_num的交集

5、“相差天数”后面输入：=DATEDIF(C5,C6,"D")，

注意：其中，C5为开始日期，C6为结束日期，D则为计算日差。

数据库

1、可以向数据库表中，指定的列添加数据

insert into sku_data (sku,cw_type) values (%s,%s)

Python

1、利用python 对分组排序：

按照旺旺号，订单号，金额进行分组，并按付款时间进行排序

data1['ranks'] = data.groupby(['旺旺号','订单号','商品金额'])['付款时间'].rank().astype(int)

2、利用Python构建双层索引，并将双层变成一层。

data2 = pd.pivot_table(data1,values = ['商品金额'],index = ['旺旺号','付款时间'],columns =['ranks'])

data2.columns.tolist()

#对列名重命名

data2.columns =[str(s1) +"第"+str(s2)+"次" for (s1,s2) in data2.columns.tolist()]

data2.reset_index(inplace =True)  #重置索引，然后拉平索引

3、分布密度图，可视化制图方法：sns.distplot()

辅助线制图方法：plt.axvline()

4、 将占比转为把百分比的形式

bk_std_fsl['订单占比'] = bk_std_fsl['订单数'].apply(lambda x: '%.2f%%' % (x / bk_std_fsl['订单数'].sum() * 100))

5、去掉缺失值

data.dropna(inplace = True)   # 去掉缺失值

6、python pandas去掉重复项

删除所有重复项：

df.drop_duplicates(inplace = True)

Remember:  (inplace = True) 将确保该方法不会返回一个新的DataFrame，但是它将从原始DataFrame中删除所有重复。

7、将多种类型数据进行替换

例如将DataFrame中的空值，某些字符串等全都替换成0

replace([na.nan,'无数据','无数'],0,inplace = True)

8、转置

data.T

9、numpy.concatenate()方法

      numpy提供了numpy.concatenate((a1,a2,a3,……),axis =0)，能够一次完成多个数组的拼接，其中a1,a2,a3是数组类型的参数。

a = np.array([2,3,4])

b = np.array([11,22,22])

c = np.array([55,88,99])

np.concatenate((a,b,c),axis =0)  #默认情况下，axis=0可以不写

    array([  2,  3, 4,11, 22, 22, 55, 88,99]) #对于一维数组拼接，axis的值不影响最后的结果。

例如：

angle= np.linspace(0,2*np.pi,4,endpoint=False)  # 设置每个数据点的显示位置

angle = np.concatenate((angle,[angle[0]]))

10、pd.cut()参数

pd.cut( x,bins,right=True,labels=None,retbins=False,precision=3,include_lowest=False,duplicates='raise' )

• x ： 一维数组
• bins ：整数，标量序列或者间隔索引，是进行分组的依据，

        如果填入整数n，则表示将x中的数值分成等宽的n份(即每一组内的最大值与最小值之差约相等)；

        如果是标量序列，序列中的数值表示用来分档的分界值

        如果是间隔索引，“ bins”的间隔索引必须不重叠

• right ：布尔值，默认为True表示包含最右侧的数值

        当“ right = True”(默认值)时，则“ bins”=[1、2、3、4]表示(1,2]，(2,3],(3,4]

        当bins是一个间隔索引时，该参数被忽略。

• labels : 数组或布尔值，可选.指定分箱的标签

        如果是数组，长度要与分箱个数一致，比如“ bins”=[1、2、3、4]表示(1,2]，(2,3],(3,4]一共3个区间，则labels的长度也就是标签的个数也要是3

        如果为False，则仅返回分箱的整数指示符，即x中的数据在第几个箱子里

        当bins是间隔索引时，将忽略此参数

• retbins： 是否显示分箱的分界值。默认为False，当bins取整数时可以设置retbins=True以显示分界值，得到划分后的区间
• precision：整数，默认3，存储和显示分箱标签的精度。
• include_lowest：布尔值，表示区间的左边是开还是闭，默认为false，也就是不包含区间左边。
• duplicates：如果分箱临界值不唯一，则引发ValueError或丢弃非唯一

11、matplotlib.pyplot.axvline()

参数：

x: 数据坐标中的x位置以放置垂直线

ymin: y轴上的垂直线起始位置，它将取0到1之间的值，0是轴的底部，1是轴的顶部

ymax: y轴上的垂直线结束位置，它将取0到1之间的值，0是轴的底部，1是轴的顶部

**kwargs: 其他可选参数可更改线的属性，例如

改变颜色，线宽等

12、设置网格线

以下实例添加一个简单的网格线，并设置网格线的样式，格式如下：

grid(color ='color', linestyle ='linestyle', linewidth = number)参数说明：

    color：'b' 蓝色，'m' 洋红色，'g' 绿色，'y' 黄色，'r' 红色，'k' 黑色，'w' 白色，'c' 青绿色，'#008000' RGB 颜色符串。

    linestyle：'' 实线，'' 破折线，'.' 点划线，':' 虚线。

    linewidth：设置线的宽度，可以设置一个数字。

13、matplotlib面积堆叠图

data.plot.area(colormap='',figsize =(x,y))

colormap表示要用的颜色块

14、matplotlib 雷达图

•  绘制雷达图，需要先建立极坐标；
• 建好极坐标以后，可以在极坐标系中绘制柱状图，折线图等，大部分情况都是用折线图，形成一个不规则的闭合多边形。

绘制多个点，并且第一个点与最后一个点相同，使其成为闭合图形。

plt.polar(弧度，半径,"ro",lw)    #使用的是弧度制，使用弧度来表示度数;ro中r表示红色，o表示形状;lw表示点的大小

例如：

360度，表示2Π(2*np.pi)；180度表示Π（np.pi）

plt.polar(0.25*np.pi,20,)