Python操作-合集（持续更新）

最新推荐文章于 2023-05-29 15:20:57 发布
最新推荐文章于 2023-05-29 15:20:57 发布
阅读量596 收藏
点赞数
分类专栏： python基本知识
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/weixin_44301621/article/details/104471693
版权

jupyterNotbook运行

目录

1.读取csv文件，转化为dataframe

import pandas as pd
csv_file = "filename.csv"
csv_data = pd.read_csv(csv_file, low_memory = False)
csv_df = pd.DataFrame(csv_data)
csv_df

2.获取字符串中特定的内容

1. 获取两个字符之间的内容

def get_str_btw(s, f, b):
    par = s.partition(f)
    return (par[2].partition(b))[0][:]

例如：获取如下字串中的“THIS IS WHAT YOU WANT”:

string = “123 THIS IS WHAT YOU WANT 456”
get_str_btw(string, "123 ", " 456")  #注意空格
#return “THIS IS WHAT YOU WANT”

2. 获取某字符后的int型

def get_int_after(s, f):
    S = s.upper()
    F = f.upper()
    par = S.partition(F)
    int_str = ""
    for c in par[2]:
        if c in ("-", "0", "1", "2", "3", "4", "5", "6", "7", "8", "9"):
            int_str += c
        else:
            if c == ":" or c == "=" or c == " ":
                if int_str == "":
                    continue
            break
    try:
        return int(int_str)
    except:
        print("Get Int After Fail")
        print(f, s)
        return "Parsing error"

例如: 获取如下字串中“Tput”的值：

string = "BLER0=7/100, BLER1=0/100, TRX=863 sf/s, Tput=29864840 bits/s, retx=8/100"
get_int_after（string, "Tput="）
#return 29864840

3. 获取某字符后的hex型

def get_hex_after(s, f):
    par = s.partition(f)
    hex = 0
    for c in par[2]:
        cap_c = c.capitalize()
        if ord(cap_c) in range(ord("0"), ord("9") + 1):
            hex *= 16
            hex += ord(cap_c) - ord("0")
        elif ord(cap_c) in range(ord("A"), ord("F") + 1):
            hex *= 16
            hex += ord(cap_c) - ord("A") + 10
        else:
            if c == ":" or c == "=" or c == " " or c =="x":
                if hex == 0:
                    continue
            break
    return hex

例如: 获取如下字串中“PSN”的值：

string = "Write to SIT: SIT(idx=0, pri=0), si_idx=[1232, 1246), PSN=0x8F71"
get_hex_after（string, "PSN="）
#return 0x8F71

3.字符串（str）与列表（list）相互转化

1. 字符串（str）转列表（list）

str1 = "12345"
list1 = list(str1)
print list1
#  输出['1', '2', '3', '4', '5']

str2 = "123 sjhid dhi"
list2 = str2.split() #or list2 = str2.split(" ")
print list2
 # 输出['123', 'sjhid', 'dhi']
 
str3 = "www.google.com"
list3 = str3.split(".")
print list3
 # 输出['www', 'google', 'com']

2. 列表（list）转字符串（str）

str4 = "".join(list3)
print str4
# 输出wwwgooglecom

str5 = ".".join(list3)
print str5
# 输出www.google.com

str6 = " ".join(list3)
print str6
#输出www google com

4.找到指定子字符串后面的数字

import re
text='中国2020年经济。。。'
reg=re.compile(r"(?<=中国)\d+")
match=reg.search(text)
print (match.group(0))
# 输出结果2020

5.将dataframe写入Excel或者csv

df.to_csv(文件路径) # 将dataframe输出到csv文件中 
df.to_excel(文件路径) # 将dataframe输出到excel文件中 
df.to_csv(r'C:\Users\qingfeng\Desktop\df.csv',encoding='gbk')

6.从列表中删除元素（三种方法）

Python中提供了三种list删除元素的方式

1.remove删除方法

list1=[22,33,44,55,66,77,88,99,12,44,67,48,22]
list1.remove(22) 
# 删除内容为22的元素，但是只默认删除第一个查询到的
# 如果想删除多个，则使用for循环可以做到
list1 
#输出[33, 44, 55, 66, 77, 88, 99, 12, 44, 67, 48, 22]

2.del删除方法

list1=[22,33,44,55,66,77,88,99,12,44,67,48,22]
del list1[2] # 删除索引为2的内容
list1
# 输出 [22, 33, 55, 66, 77, 88, 99, 12, 44, 67, 48, 22]

3.pop删除方法

list1=[22,33,44,55,66,77,88,99,12,44,67,48,22]
list1.pop(4) 
# 删除索引为4的内容,如果不写索引值，默认删除最后一个
list1
# 输出 [22, 33, 44, 55, 77, 88, 99, 12, 44, 67, 48, 22]

7. 判断对象是否可迭代

from collections import Iterable
isinstance('abc',Iterable)

8. 利用zip将列表(list)组成字典(dict)

keys = ['a', 'b', 'c']
values = [1, 2, 3]
dictionary = dict(zip(keys, values))
print (dictionary)
# 输出结果：{'a': 1, 'b': 2, 'c': 3}

9. for i in range(len( )）

可以参考这篇文章

10. Python中sum与列表推导式方法

可参考这篇文章

11. python数据处理——按列名选取dataframe的多列

data[['w','z']]  #选择表格中的'w'、'z'列

12. dataframe 删除全为某数的列\满足某条件的行

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

import pandas as pd
from pandas import DataFrame
d2 = DataFrame({'a': [1, 1,1,1],
 'b': [0,0, 0,0],
 'c': [1, 10, 11, 12],
 'd': [1, 14, 15, 16] })
d2

# 删除全为1的列
d3=d2.ix[:,~(d2==1).all()]
d3

# 删除包含0和1的列
d4=d2.ix[:,~((d2==1).all()|(d2==0).all())]
d4

# 删除df.d大于等于5且小于15的所有行
d6 = d2.drop(d2[(d2.d >= 5) & (d2.d < 15)].index)
d6

# 删除索引为d的列
d7 = d2.drop('d', axis=1)
d7

# 选取c列中包含数值1的行
d8=d2[d2['c'].isin([1])]
d8

#通过~取反，选取d2表中，c列内不包含数字1的行
d9=d2[~d2['c'].isin([1])]
d9

#删除/选取某行含有特定数值的列
cols=[x for i,x in enumerate(d2.columns) if d2.iat[0,i]==1]
#利用enumerate对row0进行遍历，将含有数字3的列放入cols中
print(cols)
d10=d2.drop(cols,axis=1) #利用drop方法将含有特定数值的列删除
d10

import pandas as pd
import numpy as np
 
df1 = pd.DataFrame(
    [
        [np.nan, 2, np.nan, 0],
        [3, 4, np.nan, 1],
        [np.nan, np.nan, np.nan, 5],
        [np.nan, 3, np.nan, 4]
    ],columns=list('ABCD'))
print('df1表格','\n',df1,'\n')
df2=df1.copy()
 
df1['A']=df1['A'].fillna('null') #将df中A列所有空值赋值为'null'
print('df1表格-空值赋为null','\n',df1,'\n')
df1=df1[~df1['A'].isin(['null'])]
print('通过取反，获取df1表格中,A列中不含null的行','\n',df1,'\n')
 
#删除某行空值所在列 
df2[0:1]=df2[0:1].fillna('null')
print('将df1中[0:1]行中的控制赋值为null，并命名为df2','\n',df2,'\n')

cols=[x for i,x in enumerate(df2.columns) if df2.iat[0,i]=='null']
print('获取df2中，值为null的列','\n',cols,'\n')
df2=df2.drop(cols,axis=1)
print('将df2中，满足col的列删去，并重新赋值df2','\n',df2)

在这里插入图片描述

13. 求列表的平均值

from numpy import *
a = [52,69,35,65,89,15,34]
b = mean(a)
print(b)  # 输出51.285714285714285

14. Python下pandas随机获取DataFrame中的数据

DataFrame.sample(n=None, frac=None, replace=False,  weights=None, random_state=None, axis=None)

n:表示你要随机抽取几行数据，比如你要抽取10行，n=10。不能与frac同时使用
frac:浮点型，可选。表示抽取数据的百分比，当不确定n的具体值的时候使用。不能与n同时使用
replace：布尔值，可选。原来的DataFrame是否被抽取的数据替换，默认为False.如果n取值大于原DataFrame的长度，replace为True，可返回结果。否则会因dataFrame长度不够而报错。
weights：权重，字符串或者数组格式，可选。通过设置不同的权重可以增加相应数据被选中的概率。
random_state：随机种子数
axis： 整数型或字符串，可选。可以是表示轴向的数据（0,1）或名称。当抽取数据的时候是从行中抽取数据，还是从列中抽取数据。0表示纵向坐标轴，1表示横向坐标轴。

import pandas as pd
from pandas import DataFrame
d2 = DataFrame({'a': [1, 1,1,1],
 'b': [0,0, 0,0],
 'c': [1, 10, 11, 12],
 'd': [1, 14, 15, 16] })
d2

d2.sample(n=1,axis=1)

在这里插入图片描述

15.pandas dataframe数据提取的方法

import numpy as np
from pandas import DataFrame
import pandas as pd


df=DataFrame(np.arange(12).reshape((3,4)),index=['one','two','thr'],columns=list('abcd'))

df['a']#取a列
df[['a','b']]#取a、b列

#ix可以用数字索引，也可以用index和column索引
df.ix[0]#取第0行
df.ix[0:1]#取第0行
df.ix['one':'two']#取one、two行
df.ix[0:2,0]#取第0、1行，第0列
df.ix[0:1,'a']#取第0行，a列
df.ix[0:2,'a':'c']#取第0、1行，abc列
df.ix['one':'two','a':'c']#取one、two行，abc列
df.ix[0:2,0:1]#取第0、1行，第0列
df.ix[0:2,0:2]#取第0、1行，第0、1列

#loc只能通过index和columns来取，不能用数字
df.loc['one','a']#one行，a列
df.loc['one':'two','a']#one到two行，a列
df.loc['one':'two','a':'c']#one到two行，a到c列
df.loc['one':'two',['a','c']]#one到two行，ac列

#iloc只能用数字索引，不能用索引名
df.iloc[0:2]#前2行
df.iloc[0]#第0行
df.iloc[0:2,0:2]#0、1行，0、1列
df.iloc[[0,2],[1,2,3]]#第0、2行，1、2、3列

#iat取某个单值,只能数字索引
df.iat[1,1]#第1行，1列
#at取某个单值,只能index和columns索引
df.at['one','a']#one行，a列

16.取dataframe的一列或一行

df['w']  #选择表格中的'w'列，使用类字典属性,返回的是Series类型
df.w    #选择表格中的'w'列，使用点属性,返回的是Series类型
df[['w']]  #选择表格中的'w'列，返回的是DataFrame属性
data[0:2]  #返回第1行到第2行的所有行，前闭后开，包括前不包括后
data[1:2]  #返回第2行，从0计，返回的是单行，通过有前后值的索引形式，如果采用data[1]则报错
data.iloc[-1]   #选取DataFrame最后一行，返回的是Series
data.iloc[-1:]   #选取DataFrame最后一行，返回的是DataFrame

读取txt文档，写入嵌入列表

链接汇总：
beautifulsoup 4.2.0 中文文档：
https://www.crummy.com/software/BeautifulSoup/bs4/doc/index.zh.html
《Python数据挖掘方法及应用》一书代码及数据：
https://gitee.com/Py-R/PyDm/blob/master/code/PyDm_code.py
百度地图开放平台API调用：
http://lbsyun.baidu.com/index.php?title=uri/api/web
matplotlib官网-用法解释：
https://matplotlib.org/api/pyplot_summary.html
python读写excel等数据文件方法汇总：
https://zhuanlan.zhihu.com/p/104524969?utm_source=wechat_session&utm_medium=social&utm_oi=608238503788810240

参考链接：
https://blog.csdn.net/weekdawn/article/details/81389234
https://blog.csdn.net/csdnshutdown/article/details/83505286
https://blog.csdn.net/roytao2/article/details/53433373
https://blog.csdn.net/q357010621/article/details/78744759
https://jingyan.baidu.com/article/af9f5a2d78489b43140a45e4.html
https://blog.csdn.net/ialexanderi/article/details/78194790
https://blog.csdn.net/m0_37876745/article/details/85288155
https://blog.csdn.net/qxqxqzzz/article/details/88352576
https://blog.csdn.net/luocheng7430/article/details/80330566
https://blog.csdn.net/weixin_41789707/article/details/80930274
https://blog.csdn.net/d1240673769/article/details/79858434

青风learing
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抓取网站88titienmae88中的“图片区”所有图片
象话的博客
01-12 4万+
#-*-coding:utf-8-*- from urllib.request import urlopen, urlretrieve from bs4 import BeautifulSoup import re import os ''' 抓取网站http://jyghf.com/中的“图片区”的的所有图片 关于这个网站，大家不要太有纠结的情绪，作为一个泱泱大国...
PHP微指间三级分销系统商业源码
08-16
PHP微指间三级分销系统商业源码PHP微指间三级分销系统商业源码PHP微指间三级分销系统商业源码PHP微指间三级分销系统商业源码
数据分析个人笔记
阳阳的博客
06-18 7226
数据分析 一、 Jupyter Notebook Jupyter Notebook 有两种键盘输入模式。编辑模式，允许你往单元中键入代码或文本；这时的单元框线是绿色的。命令模式，键盘输入运行程序命令；这时的单元框线是灰色。 1、 命令模式 (按键 Esc 开启) Enter : 转入编辑模式 Shift-Enter : 运行本单元，选中下个单元 Ctrl-Enter : 运行本单元 Alt-Enter : 运行本单元，在其下插入新单元 Y : 单元转入代码状态 M :单元转入markdown状态 R :
设为首页代码和加入收藏代码(兼容各种浏览器)
越努力就越主动。
10-22 2万+
设为首页代码和加入收藏代码(兼容各种浏览器) 把页面设置为首页,加入收藏功能,支持ie,ff,chrome,safari,360安全,qq,遨游,搜狗浏览器,不兼容360急速浏览器的兼容模式下加入收藏功能 注意: 这里虽然说是兼容,但是有些浏览器的设置就是不支持用js来把页面设为首页,加入收藏夹,只能让用户手动去在浏览器或者按键去设置这些功能,这里说的兼容是指当浏览器有这个设置的时候js
title888
sichuandizhen的专栏
05-15 5117
http://aa.com/1.jpg">8888888
python作业（持续更新中）
riichi24的博客
03-30 843
1. 2. 3. 4.5. 6. 7. 8.9 10. 11. 12. 13. 14.
Python入门--自创--持续更新
04-14
总之，Python的入门涉及许多基本概念，从简单的注释和缩进到复杂的变量类型和操作，都需要扎实的理解和实践。通过学习这些基础知识，开发者能够构建起编写Python代码的基础，并逐渐掌握更高级的特性。
python-3.8.1-amd64环境
08-05
Python 3.8.1是Python编程语言的一个稳定版本，专为AMD64架构（也称为x86-64）设计。这个版本为开发者提供了更高效、更可靠的编程环境，支持...通过持续的版本更新和社区支持，Python保持了其作为首选编程语言的地位。
python-3.8.6-amd64
04-27
五、Python的持续学习与进阶 1. 数据科学与机器学习：Python在数据分析和机器学习领域有广泛的应用，如Pandas、NumPy、Matplotlib、Scikit-learn等库，为数据处理和模型构建提供了强大支持。 2. 网络编程：Python的`...
python-3.10.8-amd64 python3.10 64位windows安装包
10-14
Python是一种广泛使用的高级编程语言，以其易读性、简洁性和丰富的库支持而闻名。Python 3.10.8是该语言的一个版本，专为...通过持续学习和实践，你可以深入掌握Python的精髓，并利用其丰富的生态系统来解决实际问题。
python-3.8.2-amd64.rar
04-11
4. **学习资源**：Python有丰富的文档和社区资源，如官方文档、Stack Overflow、GitHub等，可以帮助开发者解决问题和持续学习。 总之，Python 3.8.2是64位环境下进行开发的优秀选择，提供了许多新特性和性能提升，...
图片的三级缓存
healer1的博客
12-11 2708
图片的网址package com.example.mybitmap;/** * Created by 李倩 on 2017/12/11. */public class ImageDataUtils { public static String[] ImagesUtils=new String[]{ "http://tupian.enterdesk.com/2012
16个必会的Python操作
Yoki___的博客
05-29 554
如果 iterable 中的任何元素为真，则函数any()返回True，如果 iterable 中的所有元素都为真，则函数all()返回True。通过学习和使用这些技巧，可以帮你节省时间和精力，并使你的代码更加优雅和高效。这是一种可以替代 for 循环的单行代码，使你的代码更加高效，并使代码的可读性更强。它是一种可以替代 for 循环的单行代码，使你的代码更加高效，代码可读性更强。在 Python 中，任何可以称为函数的对象都称为可调用对象，包括函数、方法、类，甚至是定义__call__方法的对象。
python抓取网站88titienmae88中的“图片区”的第一页的所有图片
热门推荐
象话的博客
12-18 5万+
#-*-coding:utf-8-*- from urllib.request import urlopen, urlretrieve from bs4 import BeautifulSoup import re import os ''' 抓取网站http://jyghf.com/中的“图片区”的第一页的所有图片 关于这个网站，大家不要太有纠结的情绪，作为一个泱泱大国的男士
vue课上知识总结
zhzijun的博客
03-10 1万+
vue课上知识总结 显示文本框的渲染 原先的dom节点渲染 通过 js 主要做如下事情 通过 js 惊醒业务逻辑的处理，如对变量进行运算、获取服务器端数据、应用 js 中的函数对数据进行处理 通过dom 改变页面：比如 创建元素、添加元素、删除元素、设置和湖区元素的属性、设置和获取元素的style 样式、设置和获取元素的 class 样式、为dom注册事件 <!DOCTYPE html> <html> <head> <meta charset="utf-8
范冰冰光头再战纯爷们造型
01-02 3437
15个封面中,黄晓明与范冰冰参与拍摄的封面分别代表“男人”和“女人”,同时为了表达《时尚先生Esquire》一直以来对环保的重视...                                       　　中国第一男刊、时尚传媒集团旗下旗舰男刊《时尚先生Esquire》为纪念杂志创刊15周年，9月纪念号邀请黄晓明、范冰冰、蔡康永、小S、李云迪等知名人士、各品
“一天学会MYSQL数据库“查询练习
二郎银的博客
07-03 2107
sql查询练习 整理了B站课程 "一天学会MYSQL数据库"大刘的练习题
python中MapReduce实战代码演示
青风learing
04-13 1959
python中MapReduce实战代码演示 使用pycharm编辑器，anaconda环境。 新建一个python.file，命名为map.py。具体代码如下 """ wordcount单词统计 map阶段 """ import sys def map(): for line in sys.stdin: # 从标准输入里面读取的，是一个字符串格式 words = lin...
python-3.10.2-amd64.zip
最新发布
10-16
Python 3.10.2-amd64.zip是...它持续改进和更新，以提供更好的编程体验和功能。使用Python 3.10.2-amd64.zip，你可以轻松地开始使用Python，进行各种编程任务。无论是初学者还是有经验的开发者，它都是一个理想的选择。

“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