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