coding=utf-8 import pandas as pd # 创建一个示例 DataFrame data = {'A': [10, 20, 15, 25, 30], 'B': [35, 25, 15, 10, 5], 'C': [5, 10, 20, 15, 25]} df = pd.DataFrame(data) for i in df.index: row_to_get_max_values = df.iloc[i] # 使用 nlargest 获取最大的前五个值 top_five_values = row_to_get_max_values.nlargest(5) # 找到每个最大值所在的列名 column_names = top_five_values.index list = [] # 输出结果 for column, value in zip(column_names, top_five_values): list.append(column) print(f"Column: {column}, Value: {value}") print(list) # # # print('ss') # import pandas as pd # # # 创建示例 DataFrame df1 # data1 = {'ID': [1, 2, 3, 4], # 'Value1': ['A', 'B', 'C', 'D']} # df1 = pd.DataFrame(data1) # print(df1) # # 创建示例 DataFrame df2 # data2 = {'ID': [1, 2, 3, 4], # 'Value1': [0, 'Y', 'Z', 'W']} # df2 = pd.DataFrame(data2) # print(df2) # # 使用 merge 函数进行取并集,根据 'ID' 列进行合并 # merged_df = pd.merge(df1, df2, on='ID', how='inner') # # # 输出结果 # print(merged_df) # # import pandas as pd # import numpy as np # # # # 创建示例 DataFrame df1 # data1 = {'ID': [1, 2, 3, 4], # 'Value': [10, 20, 30, 40]} # df1 = pd.DataFrame(data1) # print(df1) # # 创建示例 DataFrame df2,包含与 df1 相同的行和列,但元素进行了增量更新 # data2 = {'ID': [1, 2, 3, 4], # 'Value': [15, 25, np.nan, 45]} # df2 = pd.DataFrame(data2) # print(df2) # # 将 df2 中的元素增量更新到 df1 # df1['Value'] += df2['Value'] # # # 输出结果 # print(df1) import pandas as pd import numpy as np # 创建示例 DataFrame df1 data1 = {'ID': [1, 2, 3, 4], 'Value': [10, 20, np.nan, 40]} df1 = pd.DataFrame(data1) # 创建示例 DataFrame df2,包含与 df1 相同的行和列,但元素进行了增量更新,且包含 NaN 值 data2 = {'ID': [1, 2, 3, 4], 'Value': [15, np.nan, 35, 45]} df2 = pd.DataFrame(data2) # 创建示例 DataFrame df3,包含与 df1 相同的行和列,但元素进行了增量更新,且包含 NaN 值 data3 = {'ID': [1, 2, 3, 4], 'Value': [25, 30, 40, np.nan]} df3 = pd.DataFrame(data3) # 合并多个 DataFrame,使用 concat 函数 merged_df = pd.concat([df1, df2, df3]) print(merged_df) # 使用 groupby 和 sum 方法进行增量更新 result_df = merged_df.groupby('ID', as_index=False)['Value'].sum() # 输出结果 print(result_df)
09-21
10-19
10-19
10-19