Han_torch的博客

DataFrame在某一列中取符合条件的值，实例为在时间列中取出小于10的值。import numpy as npimport pandas as pddf = pd.read_csv(r'C:/Users/hanhan/PycharmProjects/pythonProject/data.csv',encoding = 'gbk')t = np.array(df['时间'])print('初始值的t=',t)t = np.array(df[df['时间']<10]['时间']).

问题描述：表格中存在每一天每时段的商品热销记录，目前需要求出每一天最热销的商品是什么？以及它一天中热销的次数。表格形式：时间 商品标签 2021-12-11 9：09 5 2021/12/11 10：09 6 2021-12-12 12：10 6 完整版代码：import pandas as pdimport numpy as npimport datetime as dtfrom collections import Counter.

问题描述：表格中存在一列数据：时间，格式例如：2021/12/11 8：43或者2021-12-11 8：43，要判断这个时间在上午还是在下午？完整版代码：import pandas as pdimport numpy as npimport datetime as dtfrom collections import Counterdf = pd.read_csv(r'C:\Users\hanhan\PycharmProjects\pythonProject\data.csv',e

可以看到表格中的数据格式是年/月/日 00:00，通过公式计算两格之间的差值：=(F2-E2)这个是时候计算出来的差值并不是我们需求的分钟和秒数：对G列单击鼠标右键，点设置单元格格式：将格式设置为常规或者数值：这时候我们计算出来的差值变为了：如果需要更详细的分钟或者是秒钟，继续在公式后添加：小时：=(F2-E2)*24分钟：=(F2-E2)*24*60秒数：=(F2-E2)*24*60*60...

问题描述已知坐标点的数值，如，通过程序拟合出他们之间的函数曲线。（这里我的需求是拟合出n次多项式，以后还可以扩展到指数函数、对数函数...）一、使用步骤1.引入库代码如下：import numpy as npimport pandas as pdimport matplotlib.pyplot as pltfrom sympy import *2.读入数据代码如下：#数据表格df = pd.read_csv(r'C:/Users/hanhan/Pych

import numpy as npimport pandas as pdfrom sympy import *#数据表格df = pd.read_csv(r'C:/Users/hanhui/PycharmProjects/pythonProject/alldata_new_sx.csv',encoding = 'gbk')for i in range(len(df)-1): T_xx = np.array(df['系数1'].iloc[i:i+q]) T_ss = np.ar.

问题描述：表1中有两列数据分别是开始时间和结束时间，表2中有两列数据分别是参数1和参数2，需求是通过result = he * Start + hst * End求出每一行数据的答案。求解步骤：分别读取两个csv文件，并从中按行取出相应的四个参数，作完运算后再存入空列表中，导入到新csv文件中。import numpy as npimport pandas as pdfrom sympy import *#数据表格df = pd.read_csv(r'C:/Users/hanh

问题描述：三个未知量构成一个方程式，该CSV文件中一共有N行数据有关[x, y, z]的系数，求解三个未知量[x, y, z]的值。文章目录前言 一、工具包 二、使用步骤 1.读入文件 2.编写方程 总结前言三个未知量[x, y, z]之间的关系是：a*x + b*y + c*z = p。像这样的式子，csv文件中一共有N行，我的需求是根据这些不同的系数和不同的结果p值，求出三个未知量的值。一、工具包首先要使用到的工具主要是numpy和panda.

import pandas as pdimport numpy as npdf = pd.read_csv(r'C:/Users/hanhan/PycharmProjects/pythonProject/data.csv',encoding = 'gbk')loc =np.where(np.isnan(np.array(df_wendu['shijian'])))[0]df = df.drop(labels=range(loc[0],loc[-1]+1),axis=0)主要步骤为两步：（.

背景是：多条跑道中都有对应的时间和速度，如何计算一段时间内所有跑道的平均速度？并添加到另外一个文件的新增列中。文件1（data.csv）是月份总表，只有开始时间和结束时间。多个文件（12021-11-15.csv、22021-11-15.csv、32021-11-15.csv...）是日期表，只有一天的开始时间、结束时间、对应时刻速度。多条跑道表中的数据如下（日期格式有两种）：时间 1.data 2021-11-15 14:28:28 2 2021-11-15 14:38:2

在网上一共看到两种方法：第一种方法主要参考：pandas 数据排序.sort_index()和.sort_values() - 地球上最后一个直男 - 博客园需求是针对forall.csv中的第一列进行排序，因为没有命名，所以第一列字段默认为了’Unnamed：0‘。df_loc = df_loc.sort_values(axis=0, by='Unnamed: 0', ascending=True)print('df_loc=', df_loc)df_loc.to_csv('forall

import csvwith open("C:\\Users\\hanhan\\PycharmProjects\\pythonProject\\file1.csv") as csvFile: rows = csv.reader(csvFile) with open(("C:\\Users\\hanhan\\PycharmProjects\\pythonProject\\file2.csv"), 'w') as f: writer = csv.writer(f) for row .

问题是有相同列的两个表格合并，但是列中的值顺序不一样，所以需要用到merge函数。import pandas as pdimport osprint(os.getcwd()) #打印出当前工作路径df5 = pd.read_csv("C:\\Users\\hanhan\\PycharmProjects\\pythonProject\\5.csv",encoding = 'gb2312',dtype='str')df6 = pd.read_csv("C:\\Users\\hanhan\\Py.

我的需求是合并五个csv，其中七个表格的第一列都是日期(表格中未命名)，根据第一列的日期将六个csv文件合并到第一个csv文件的后面(列后面)，自动去除了未匹配上的数据行。例如：表1：date a 2021-11-09 1 2021-11-10 1 2021-11-11 1 表2-4：date b 2021-11-10 2 2021-11-11 2 运行程序，得到表为：date a b 2021-11-10

接上一篇文章，如何在合并相同列的csv文件的情况下，保留未匹配到的数据行？import pandas as pdimport osdf01 = pd.read_csv("C:\\Users\\hanhan\\PycharmProjects\\pythonProject\\01.csv",encoding = 'gb2312',dtype='str')df02 = pd.read_csv("C:\\Users\\hanhan\\PycharmProjects\\pythonProject\\0

目前一共有五个文件夹，每个文件夹中有多个csv文件，文件夹分别为N、N1、N2、N3、N4.每个文件夹中的csv文件都是以子文件夹名称+日期命名。需求就是使用for循环将每个日期的五个csv表格合并在一起。代码主要分为两个部分：（1）for循环读取文件夹N，将文件名存入listN。①因为首先要找到一个文件，然后以这个文件的日期去找到另外四个文件。所以先通过for循环读取N文件夹中的所有文件名，并将这些文件名存入一个list中，即listN。（因为文件名全程还包含了前面的地址，所以

需求是将“2021-11-10”的日期格式变为“2020/11/10”！s = '2021-11-10'a = s.split('-')print(a)a[1] = str(int(a[1]))a[2] = str(int(a[2]))b = '/'.join(a)print(b)a的结果就是把日期拆成三部分，b就是通过/把三部分连接起来，其中a[1]a[2]的操作是为了配合个数位日期的情况。例如：总得来说，还有改进的地方，慢慢学数据分析。...