柳杰的博客

文章目录官方文档pandas.crosstab(index, columns, values=None, rownames=None, colnames=None, aggfunc=None, margins=False, margins_name='All', dropna=True, normalize=False)描述：绘制两个或多个因子的交叉表index, columns是必选参数，分别是行索引、列索引crosstab归根结底就是按照指定的index和columns统计数据帧中出现(

文章目录根据连接键进行合并根据索引合并官方文档《利用python进行数据分析》数据规整根据连接键进行合并  合并或连接操作通过一个或者几个键连接行来联合数据集。pandas中的merge函数主要用于将各种join操作算法运用到你的数据上pd.merge( left, right, how: str = 'inner', on=None, left_on=None, right_on=None, left_index: bool = F

原网址描述以 (index, Series)的形式迭代DataFrame的每一行，是一个生成器对象。index:行索引Series：每一行数据

import pandas as pddf = pd.DataFrame({'BoolCol': [1, 2, 3, 3, 4],'attr': [22, 33, 22, 44, 66]}, index=[1,2,3,4,5])# 显示dataFrameprint(df) BoolCol attr1 1 222 2 333 3 224 3 445 4 66显示列索引

文章目录1.pd.Series.fillna官方案例2.pd.DataFrame.fillna官方案例1.pd.Series.fillnaSeries.fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None)描述按照指定的方法填充NA/NaN值参数value : scalar, dict, Series, or DataFrame标量值或字典对象用于填充缺失值要填充的值，该

文章目录1. pd.Series.dropna官方案例2 .pd.DataFrame.dropna官方案例1. pd.Series.dropnaSeries.dropna(axis=0, inplace=False, how=None)描述返回删除了缺失值的新Series参数axis : {0 or ‘index’}, default 0只有一个轴可以从中删除值inplace : bool, default False如果为True，则就地修改返回None如果为False，则

文章目录pd.DataFrame.sample(n=None, frac=None, replace=False, weights=None, random_state=None, axis=None)描述对数据集进行随机抽样，从对象轴返回随机的样本,您可以使用random_state进行再现参数n : int, optional从对应轴要抽取的行数,不能与frac一起使用，如果frac = None，则默认= 1frac : float, optional从对应轴抽取行的比例，

文章目录pandas.read_parquet(path, engine='auto', columns=None, use_nullable_dtypes=False, **kwargs)描述从文件路径加载一个parquet对象，返回一个DataFrame参数path : str, path object or file-like object文件路径engine : {‘auto’, ‘pyarrow’, ‘fastparquet’}, default ‘auto’如果为“自

文章目录1.pandas.DataFrame.query官方案例2.pandas.DataFrame.reset_index官方案例将reset_index与MultiIndex一起使用1.pandas.DataFrame.query官网DataFrame.query(expr, inplace=False, **kwargs)描述使用布尔表达式查询DataFrame的列参数expr : str要计算的查询字符串inplace : bool查询是应该修改数据还是返回修改后的副

pandas.DataFrame.iloc()纯基于位置的整数索引输入格式：一个整数列表或数组，如[4,3,0]。一个带有int类型的slice对象，例如1:7。一个布尔值数组。一个具有一个参数的可调用函数，返回索引案例mydict = [{'a': 1, 'b': 2, 'c': 3, 'd': 4}, {'a': 100, 'b': 200, 'c': 300, 'd': 400}, {'a': 1000, 'b': 2000, 'c': 30

文章目录pandas.Categorical案例pandas.Categoricalpandas.Categorical(values, categories=None, ordered=None, dtype=None, fastpath=False)作用是:表示一个类别变量 - Parameters(参数) values : list-like 类别的值;如果给出类别，则不在类别中的值将被NaN代替。 categories : Index-like (unique), optional

Data = pd.read_csv(filepath,header=1,names=['temperature'])names应该是括号，而不是{},{}会随机选取，而[]则有顺序

pandas.date_range(start=None, end=None, periods=None, freq=None, tz=None, normalize=False, name=None, closed=None, **kwargs)作用是返回固定频率的时间索引参数：start:左边界用于生成日期end：右边界用于生成日期periods：周期数freq：频率字符串可以有多个，例如“ 5H”。tz：返回本地化的DatetimeIndex的时区名称normalize:将开始/结

文章目录链接

Series数据类型没有reshape函数解决办法：1.用values方法将Series对象转化成numpy的ndarray，再用ndarray的reshape方法.lael = label.values.reshape(-1,1)2.直接转换成arraylabel = np.array(label)label = label.reshape(-1,1)

dataframes/series.replace(to_replace=None, value=None, inplace=False, limit=None, regex=False, method='pad')作用：用value替换to_replace中给定的值数字直接写空值：np.NaN链接