python explode(0、0.2、0、0)_python资料

python

资料

Python

对

csv

的处理：

#edcoding:utf-8

import pandas as pd

import csv

df=pd.read_csv('23.csv')

print df.week

#

输出

week

这一列的数据

print df['week']

#

输出

week

这一列的数据

print df.ix[1]

#

输出第二行数据(下标是从

0

开始的)

print df.iloc[:,1:4]

#

输出第二到第四列的数据但是只可以通过序列取，不能通过列名

print df.ix[:,['LEASETIME','SHEDID']]

#

通过列名取出数据

print df.ix[:,[1,5]]

#

取出第二行和第六行数据(下标是从

0

开始的)

print df.ix[5,1]

#

输出第六行第二列的数据(下标是从

0

开始的)

print df.head(10)

#

取出前十行数据

print df.tail(10)

#

取出后十行数据(从后往前数)

print df[df.week==0]

#

将

week

这列等于

0

的全部取出来

print df[(df.week==0)&(df.SHEDID==8)]

#

将

week

这一列等于

0

且

SHEDID

这一列等于

8

的数据全部取出(

|

这个符号表示或)

list=['3','4']

print df[df.week.isin(list)]

#

输出

week

这一列满足是‘

3

’或‘

4

’的所有数

print '===================='

print df.sort_values(by='week',ascending=True)

#

以

week

这一列从小到大排序

df['a']=1

print df

#

添加

a

这一列的值全部为

1

，也可以让他等于一个列表，但列表的长度必须与行数相等

del

df['a']

print df

#

删除

a

这一列

print '==============================================================='

#groupby()

这个函数是分组(但是不能单独使用)

，

count()

这个方法是统计次数，

print df.groupby(df.week).count()

#

以

week

这一列分组后，统计相同的次数是多少

#

分组后可以是用一下方法

count()

、

sum()

(求和)

、

mean()

(求平均数)

、

max()

(求最大值)

、

min()

(求最小值

)

Python

中

numpy

：

#coding:utf-8

import numpy as np

import array

import pandas as pd

import numpy as np

#

列表

n=np.array([1,2,3,4])

print n

list1=[1,2,3,'a']

print list1