python pandas 练习题一百道-长期更新

2.  插入数据

   import pandas as pd
   import numpy as np
   data = {"grammer":["Python","C","Java","Go",np.nan,"SQL","Php","Python"],
          "score":[1,2,np.nan,4,5,6,7,10]
          }

3. 提取含有python的行

   df[df["grammer"]=="Python"]

4.  输出所有的列名

   df.columns

5. 修改第二列为popularity

   df.rename(columns={"score":"popularity"},inplace= True)

6. 统计grammer列中每种编程语言出现的次数

   df["grammer"].value_counts()

7. 将空值用上下值的平均值来填充 针对popularity列

   df["popularity"].fillna(df["popularity"].interpolate(),inplace=True)

8. 提取popularity列大于3的行

   df[df["popularity"]>3]

9. 按照grammer列去除重复值

   df.drop_duplicates(["grammer"],inplace=True)

10.  计算popularity列的平均值

    df["popularity"].mean()

11. 将grammer列转换为list

    df["grammer"].tolist()

12. 将文件保存在excel文件

    df.to_excel("test.xlsx")

13. 查看数据列的行数

    df.shape

14. # 提取popularity列大于3且小于7的行

    df[(df["popularity"]>3) & (df["popularity"]<7)]

15. # 交换两列的位置

    df[df.columns[[1,0]]]

16. 提取popularity列中的最大值的行

    df[df["popularity"]==df["popularity"].max()]

17. # 查看最后5行的数据

    df.tail()

18. # 删除最后一行的数据

    df.drop([len(df)-1],inplace= True)

19. # 添加一行数据
     

    df.append({"grammer":"Perl","popularity":6.6},ignore_index=True)

20. # 对数据按照popluarity进行降序排序
     

    df.sort_values("popularity",ascending=False)

21. # 统计grammer列的字符串长度

    df["len_str"] = df["grammer"].map(lambda x:len(x))

22. 打印pandas的全部列和行

    pd.set_option("display.max_rows",None)
    pd.set_option("display.max_columns",None)

23. 删除多层索引的列

    data_level.columns=data_level.columns.droplevel(0)

24. 统计分析的一些方法

    data_level =  pd.DataFrame( data_suc.groupby(["层级名称"]).agg({"实际金额":["count","sum","mean"]}))

25. 在保存csv文件的时候，如果打开之后是乱码，可以保存为

    df.to_csv("数据文件/代理分析.csv",encoding="utf-8-sig")

    
     

26. 插入数据库

    import pymysql
    import pandas as pd
    from sqlalchemy import create_engine
    conn = create_engine('mysql+pymysql://root:root@localhost:3306/开元',encoding='utf8')  
    #写入数据，table_name为表名，‘replace’表示如果同名表存在就替换掉
    pd.io.sql.to_sql(data_test, "会员名单", conn, if_exists='replace')

27. 分组之后查询

    data.groupby(["银行账户姓名","银行卡号","银行名称"]).filter(lambda x:x["申请提现金额"].sum()>10000)

28.获取当前时间戳

import datetime
from time import time
datetime.datetime.fromtimestamp(time()).strftime("%Y-%m-%d %H:%M:%S")

29.窗口函数

data.rolling(window=2).sum()

30.把多个工作表写入同一个工作簿

writer = pd.ExcelWriter('output.xlsx', engine ='xlsxwriter')
datacount_success.to_excel(writer, sheet_name='Sheet1')
datacount_catchmore.to_excel(writer,sheet_name="匹配多个")
datacount_uncatch.to_excel(writer, sheet_name="没有匹配到的")
datacount_error.to_excel(writer, sheet_name="没有查询到卡号的")
writer.save()