Pandas
文章平均质量分 63
Pandas
craftsman2020
技术交流
展开
-
pandas|判断是否包含|contains|isin
函数作用测试pattern或regex是否包含在Series或Index的字符串中。返回布尔值系列或索引,具体取决于给定模式或正则表达式是否包含在系列或索引的字符串中。pat : str类型字符序列或正则表达式。case : bool,默认为True如果为True,区分大小写。flags : int,默认为0(无标志)标志传递到re模块,例如re.IGNORECASE。na : 默认NaN填写缺失值的值。na = True 就表示把有NAN的转换为布尔值True。原创 2023-09-01 10:38:52 · 1804 阅读 · 0 评论 -
Pandas|DataFrame| DataFrame中的nan值处理
DataFrame.dropna()方法的作用:是删除含用空值或缺失值得行或列。语法为:dropna(axis=0,how=‘any’,thresh=None,subset=None,inplace=False)axis:确定过滤的行或列,取值可以为(1) 0或index:删除包含缺失值的行,默认为0。(2) 1或columns:删除包含缺失值的列。how:确定过滤的标准,取值可以为:(1)any:默认值,如果存在NaN值,就删除该行或该列。//有一个就删除行或列。原创 2023-08-31 17:52:55 · 4023 阅读 · 0 评论 -
pandas.concat实现DataFrame竖着拼接、横着拼接
【代码】pandas.concat实现DataFrame竖着拼接、横着拼接。原创 2023-02-27 13:14:22 · 892 阅读 · 1 评论 -
pandas|找出某列最大值的所在的行
pandas|找出某列最大值的所在的行原创 2022-02-08 13:32:55 · 4638 阅读 · 0 评论 -
pandas|DataFrame.append
文章目录1. append dict2. append series3. append list4. append array5. append DataFrame官方文档链接: DataFrame.append1. append dictimport pandas as pddata = pd.DataFrame()a = {"x":1,"y":2}data = data.append(a,ignore_index=True)print(data)2. append series原创 2022-02-08 11:18:34 · 1976 阅读 · 0 评论 -
Pandas的DataFrame——指定位置增加删除一行一列
1、删除一行、一列dfA B C D0 1 3 3 41 5 6 7 82 1 1 1 13 2 3 2 3#删除A列,不改变原来的data数据,返回删除后的新表data_2。axis为1表示删除列,0表示删除行。inplace为True表示直接对原表修改。data_2 = df.drop(‘A’,axis=1,inplace=False) #删除列data_2B C D0 3 3 41 6 7 82转载 2021-12-05 22:51:50 · 2371 阅读 · 0 评论 -
python用DataFrame筛选含有某些字段的行(contains和isin)| 含有nan的行
python用dataframe筛选含有某些字段的行(contains和isin)import pandas as pddf = {'DataBase':['mysql','test','test','test','test'],'table':['user','student','course','sc','book']}df = pd.DataFrame(df)print(df)print("-"*12)print('================')list_one=['student转载 2021-12-05 22:38:22 · 11131 阅读 · 1 评论 -
AttributeError: module ‘pandas‘ has no attribute ‘isna‘
文章目录问题描述:原因及解决办法:问题描述:场景:import pandas as pdimport numpy as np# nan in seriess1 = pd.Series([1, 2, np.nan, 3, 4], index=['A', 'B', 'C', 'D', print(pd.isna(s1[2]))报错截图:原因及解决办法:pandas在0.20之前的版本是没有isna的,在0.20版本中才开始有了pandas.isna()。所以先查看下pandas版本,发原创 2020-08-02 00:02:47 · 2671 阅读 · 1 评论 -
python库--pandas--Series.str--字符串处理
python库–pandas–Series.str–字符串处理原文地址:https://www.cnblogs.com/P–K/p/8443995.html原创 2020-07-12 23:15:52 · 256 阅读 · 0 评论 -
list、ndarry、Series、DataFrame的创建、索引和选取
一、listname_list = [“zhangsan”,“lisi”,“wangwu”]1.取值和取索引print(name_list[0])知道数据的内容,想确定数据在列表中的位置使用index方法需要注意,如果传递的数据不在列表中,程序会报错!print(name_list.index(“wangwu”))2.修改name_list[1] = “李四”列表指定的索引超出范围,程序会报错!list assignment index out of rangename_list[3]原创 2020-07-12 23:13:46 · 356 阅读 · 0 评论 -
Series和DataFrame复合索引的创建和取值
下图中,b是DataFrame类型,而c是Series类型。复合索引情况下Series的索引和之前类似,必要的时候需要用到c.swaplevel(),其中level相当于就是复合索引的里外层,交换了level之后,里外交换。DataFrame在运用loc时稍有区别。...原创 2020-07-12 23:12:49 · 356 阅读 · 0 评论 -
pd.notnull
文章目录1. pd.notnull等同于pd.notna2. pd.notnull判断DataFrame中的nan值3. pd.notnull筛选出DataFrame的非nan3.1 pd.notnull筛选出DataFrame中某列非nan的所有行3.2 填充DataFrame中nan值4. 附录4.1 缺省值判断 pd.isnull, pd.isna, pd.notna, pd.notnull, np.isnan, math.isnan 区别1. pd.notnull等同于pd.notnapd.no原创 2020-07-12 23:10:55 · 1178 阅读 · 0 评论 -
Pandas|DataFrame| 处理DataFrame中的inf值
文章目录1. 将某1列(series格式)中的 inf 替换为数值。2. 将某1列(series格式)中的 inf 替换为NA值。3. 将整个DataFrame中的 inf 替换为数值(空值同理)在用DataFrame计算变化率时,例如(今天-昨天) / 昨天恰好为(2-0) / 0时,这些结果数据会变为inf。为了方便后续处理,可以利用numpy,将这些inf值进行替换。1. 将某1列(series格式)中的 inf 替换为数值。import numpy as np df['Col'][np.原创 2021-05-21 21:56:48 · 1304 阅读 · 0 评论 -
pandas中DataFrame字典互转
https://www.zhihu.com/question/383246267原创 2021-04-30 12:22:27 · 2544 阅读 · 0 评论 -
由字典dictionary或列表list创建dataframe
原文:https://pbpython.com/pandas-list-dict.html转载 2021-04-30 12:13:14 · 393 阅读 · 0 评论 -
pandas分组聚合|agg|transform|apply
pandas分组操作 对应的agg、transform和apply操作https://blog.csdn.net/gua_niu123/article/details/112000647转载 2021-04-30 12:08:24 · 988 阅读 · 0 评论 -
pandas|DataFrame排序及分组排序
需要对df进行分组后排序import pandas as pddf = pd.DataFrame([['a', 100, 'c'], ['a', 300, 'a'], ['a', 200, 'b'], ['c', 300, 'a'], ['c', 200, 'b'], ['c', 100, 'c'], ['b', 200, 'b'], ['b', 300, 'a'], ['b', 100, 'c']], columns=[.原创 2020-11-25 21:58:04 · 5449 阅读 · 0 评论 -
缺省值判断 pd.isnull, pd.isna, pd.notna, pd.notnull, np.isnan, math.isnan 区别
文章目录1、基础知识准备(1) np.nan != np.nan(2) nan和None代码示例(3) pandas 中将nan和None都处理为np.nan2、pd.isnull == pd.isna(1) 有趣的现象(2) 原因1、基础知识准备(1) np.nan != np.nan在计算机中本没有绝对绝对相等的数据,所谓的相等只是精度允许的条件下相等!np.nan 原意为 not a number。概括:对某个值是否为nan进行判断,只能用np.isnan(i),绝不可用 i == n原创 2020-08-02 02:49:04 · 5518 阅读 · 3 评论