PYTHON_函数应用

最新推荐文章于 2022-11-07 15:12:20 发布
最新推荐文章于 2022-11-07 15:12:20 发布
阅读量76 收藏
点赞数
分类专栏： PYTHON 文章标签： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/penny1218/article/details/111036364
版权 
# 函数应用
data['test']=np.where((data['col']>1) & (data['col1']==3),1,0)
data['test']=data.apply(lambda x :1 if x['col']>1 else 0,axis=1)
data['test']=list(map(lambda x，y : 1 if x >1  and y==3 else 0,data['col'],data['col2'] ) #这种比较快
penny1218
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
python函数文档_python函数_python文档_python_
09-30
Python函数是Python编程语言的核心元素之一，用于组织代码并使其可重用。它们是执行特定任务的代码块，可以通过调用其名称来执行。在Python中，函数的定义使用关键字`def`，后跟函数名和圆括号，其中可能包含参数。...
pycharm的python_stubs问题
09-17
标题中的“pycharm的python_stubs问题”是指在使用PyCharm这款强大的Python集成开发环境时，遇到的一个特定情况，即当用户尝试通过命令（如`command+左击`）查看函数源码时，被导向到`python_stubs`目录下的文件，而...
functions_定义函数_python_
10-04
在Anaconda Prompt上运行Python函数 在Anaconda Prompt中，你可以通过以下步骤运行Python脚本或交互式地执行函数： 1. 打开Anaconda Prompt。 2. 使用`cd`命令导航到包含函数定义的`.py`文件的目录。 3. 运行`...
Py3_曲线拟合_幂函数.rar_ordinaryn2l_python_幂函数拟合_曲线拟合
07-15
在实际应用中，除了幂函数，还有其他类型的函数（如指数函数、对数函数等）也可以用来进行曲线拟合，选择哪种函数取决于数据的特性及问题背景。在Python中，`curve_fit`是一个强大的工具，能够灵活地适应各种函数...
基于python中__add__函数的用法
01-02
##定义:让自定义的类生成的对象(实例)能够使用运算符进行操作 class Vector01: ‘'‘定义一个一维向量''' def init(self,x): self.x = x def str(self): ‘'‘定义新生成的返回值是什么,如果没有这个之间返回的是类...
spyder-更新
penny1218的博客
06-01 7977
更新spyder版本: conda install spyder=5.0.0 安装第三方库，出现timeout error: pip --default-timeout=100 install pandas (100不够改1000）
PYTHON_设置索引
penny1218的博客
10-26 4694
#1.设置索引 data=data.set_index(['col1'],inplace=TRUE,drop=FALSE) #inplace=TRUE,drop=FALSE保留这一列，默认不保留 #2.重置索引 data.reset_index(inplace=True,drop=False)#drop=true 直接丢弃之前的索引，否则生成一个列名为‘INDEX’的列，如果这个索引本身有名字的话，则生成一个有名字的列 #3.更改索引列的名字 data.index.name='index2' ...
PYTHON_数据切分（pd.cut，pd.qcut)
penny1218的博客
10-27 2516
本文仅为个人学习记录，如有不准确的地方，欢迎指正，谢谢！ 1.等宽： data['col_new']=pd.cut(data['col'],10) 2.等频： data['col_new']=pd.qcut(data['col'],10) 相同操作： 1.返回切分点，retbins=True data['col_new']，cut_bins=pd.qcut(data['col'],10,retbins=True) 2.在新的数据源上，使用之前的切分点 data_new['col_new2']=pd.cut
PYTHON_两列字符串对应匹配
penny1218的博客
12-02 1684
#假设A列和B列都是用逗号分隔的字符串，C列为包含日期的一个字符串, #以下函数对B列做筛选后，找到匹配的A列的最大值，用A列的最大值与C列的日期取月份差 def ColumnMapping(x,y,z): list1=list(x.split(',')) list2=list(y.split(',')) list_merge=list(zip(list1,list2)) max_month=max([j[0] for j in list_merge if j[1] in [1,2]])#对y列的值
PYTHON_分组（groupby，value_counts)
penny1218的博客
10-27 1559
#1.全部数据集 data.groupby('col1').count() #单列分组 data.groupby(['col1','col2']).mean() #多列分组 #筛选部分列 data.groupby('col1')['col2','col3'].count() data[['col1','col2','col3']].groupby(by=['col3']).count() data['col1'].groupby(data['col2']).size() #3.多种聚合 data.gro
PYTHON_数据替换
penny1218的博客
10-27 1304
#1.多对1 data.replace(['a','b'],'c') #2. 1对1 data.replace({'a':'not a ','b':'not b'}) data.replace('a':'not a ')
PYTHON_多行合并
penny1218的博客
12-03 1035
#对数据按照A,B两列分组后，其他列，多行拼成一个字符串 data=data,groupby(['col1','col2']).agg(lambda x:','.join(x.astype('str'))).reset_index(drop=False) data=data,groupby(['col1','col2']).agg(lambda x:','.join(x.astype('str'))).reset_index(drop=False) #以下是对数字求和 df.groupby(['col1
PYTHON_数据拼接
penny1218的博客
10-23 995
#1.merge import pandas as pd data=pd.merge(AA,BB,how='left',left_on="aa",right_on="bb") data=pd.merge(AA,BB,how='left',left_index=TRUE,right_index=FALSE) #2.CONCAT data=pd.concat([AA,BB],join='inner',axis=0,ignore_index=TRUE)#axis=0 表示上下合并，axis=1表示左右合并，默认
python 安装 graphviz 包（Mac）
penny1218的博客
11-07 836
Mac 安装 graphviz
PYTHON_拆表（行列转置）
penny1218的博客
12-02 688
|apply_no| key |value |111|a1|5 |111|a2|6 |111|a3|7 |222|a1|3 |222|a2|4 |222| a3| 9 #假设数据如上 data=data.pivot(index='app_no',columns='key',values='value') #转置后的数据如下 |apply_no| a1 |a2|a3 |111 |5 |6 |7 |222 |3 |4 |9 #如果要恢复之前的数据 data=
PYTHON_数据筛选
penny1218的博客
10-23 526
#1.筛选行 data[(data['col1']>5) & (data['col1']<10)] data[data['col1']==1] data[data['col1'].isin([3,4])] data[~data['col1'].isin([3,4])] #反向筛选 data.loc['index1'] #按索引筛选行 data.iloc[0:5] #筛选前5行 #2.筛选列 data[['col1','col2']] data.iloc[:,0:2] #筛选前两列 da
PYTHON_格式转换
penny1218的博客
10-27 497
#1.查看数据类型 data.info() data.dtypes data['col1'].dtypes #查看一列数据类型 #2.转换数据格式 data['col1'].astype("str") #3.转日期 import pandas as pd data_dt=pd.to_datetime(df['col1'],formate='%Y/%m/%d') data_dt.dt.year #提取年 month,day,weekday,hour,minute,second #4.转字符 from d
PYTHON_读取数据源
penny1218的博客
10-22 368
欢迎使用Markdown编辑器 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。 新的改变 我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客： 全新的界面设计 ，将会带来全新的写作体验； 在创作中心设置你喜爱的代码高亮样式，Markdown 将代码片显示选择的高亮样式 进行展示； 增加了 图片
PYTHON_数据去重
penny1218的博客
10-26 319
#1.数据集按列去重 data.drop_duplicate(subset=['col1','col2'],keep='first',inplace=TRUE) #keep 默认first，inplace 是否在本数据集修改 #2.数据集按索引去重 data[~data.index.duplicated(keep='last')] #keep=last,则最后last为FALSE,前面重复的全部返回true # 3.单列去重 data['col1'].drop_duplicate() ...
html按钮调用python_用按钮调用python函数
最新发布
06-07
在 HTML 中，按钮可以使用 `<button>` 标签来创建。要在按钮中调用 Python 函数，你需要使用 JavaScript 来实现。 以下是一种实现方法： 1. 首先，创建一个按钮，给它一个 ID 并添加一个点击事件的监听器： ``` <button id="myButton" onclick="callPythonFunction()">点击这里</button> ``` 2. 在 JavaScript 中，编写 `callPythonFunction()` 函数，并在其中使用 AJAX 发送请求到后端 Python API： ``` function callPythonFunction() { var xhr = new XMLHttpRequest(); xhr.open("POST", "/api/my-python-function", true); xhr.setRequestHeader('Content-Type', 'application/json'); xhr.onreadystatechange = function() { if (xhr.readyState === 4 && xhr.status === 200) { console.log(xhr.responseText); } }; xhr.send(JSON.stringify({})); } ``` 在此示例中，我们使用了 AJAX 发送一个 POST 请求到 `/api/my-python-function`，并将请求体设置为空 JSON 对象 `{}`。请注意，这里的 URL 应该是你自己的 Python API 的 URL。 3. 在后端 Python 中，编写一个处理 `/api/my-python-function` 请求的函数，并在其中执行你想要执行的 Python 代码： ``` @app.route('/api/my-python-function', methods=['POST']) def my_python_function(): # 执行你想要执行的 Python 代码 return 'Python 函数已被成功调用！' ``` 在此示例中，我们使用 Flask 框架来编写后端 Python 代码。请注意，在实际应用中，你需要根据自己的需求来选择合适的框架或库。 这就是实现按钮调用 Python 函数的基本方法。当用户点击按钮时，JavaScript 代码将发送一个请求到后端 Python API，并在收到响应后执行相应的操作。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值