pandas-dataframe-operation

最新推荐文章于 2022-09-11 12:38:31 发布
最新推荐文章于 2022-09-11 12:38:31 发布
阅读量519 收藏 6
点赞数 3
分类专栏： # pandas 文章标签： python
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_47796965/article/details/108726175
版权
本文介绍了Pandas DataFrame的常用操作，包括查询、新增和修改数据列、缺失值处理及排序。查询部分讲解了直接选取、.loc和.iloc方法。新增和修改数据列涉及直接赋值、分条件赋值和apply方法。对于缺失值处理，讨论了检测、删除和填充。最后，阐述了DataFrame的排序功能。
摘要由CSDN通过智能技术生成

pandas-dataframe常用操作

上一篇分享了pandas的数据读取，这一节继续分享在读取数据获得dataframe后的常用操作

import pandas as pd

一、dataframe查询

1、查看dataframe的前几行，后几行，行列信息，以及对数值型字段数据进行描述统计

df=pd.read_excel(r'C:/Users/37957/Desktop/pandas_files/pandas_dataframe/hotel.xlsx',index_col='序号')
df.head() #括号中不输参数时，默认查询前5行数据
名称关键字区域地址评价点评人数平均消费
序号
1香港嘉湖海逸酒店(Harbour Plaza Resort City)休闲度假元朗天水围 天恩路18号4.617604.0422元
2香港铜锣湾皇悦酒店(Empire Hotel Hong Kong-Causeway Bay)浪漫情侣东区铜锣湾永兴街8号4.512708.0693元
3香港碧荟酒店(The BEACON)商务出行油尖旺九龙旺角洗衣街88号4.7328.0747元
4香港湾仔帝盛酒店(Dorsett Wanchai)浪漫情侣湾仔皇后大道东387-397号4.45014.0693元
5如心艾朗酒店(L‘hotel elan)浪漫情侣观塘观塘创业街38号4.63427.0581元
df.tail() #括号中不输参数时，默认查询后5行数据
名称关键字区域地址评价点评人数平均消费
序号
416香港天天宾馆(TIN TIN GUEST HOUSE)地铁周边油尖旺旺角弥敦道607号新兴大厦1517A3.216.0227元
417香港AMR宾馆(AMR Hostel)地铁周边NaN尖沙咀弥敦道58号美丽都大厦6字楼A12室NaNNaN977元
418香港如心海景酒店暨会议中心(L‘hotel Nina et Convention Centre)海滨风光荃湾荃湾 杨屋道8号4.545462.0709元
419香港如心海景酒店暨会议中心(L‘hotel Nina et Convention Centre)海滨风光荃湾荃湾 杨屋道8号4.545463.0709元
420香港花盈酒店(家庭旅馆)(Bloomy Hotel)地铁周边油尖旺尖沙咀弥敦道87号华源大厦9字楼C2室4.0273.0256元
df.index

Int64Index([  1,   2,   3,   4,   5,   6,   7,   8,   9,  10,
            ...
            411, 412, 413, 414, 415, 416, 417, 418, 419, 420],
           dtype='int64', name='序号', length=420)

df.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 420 entries, 1 to 420
Data columns (total 7 columns):
名称      420 non-null object
关键字     389 non-null object
区域      350 non-null object
地址      420 non-null object
评价      371 non-null float64
点评人数    404 non-null float64
平均消费    413 non-null object
dtypes: float64(2), object(5)
memory usage: 26.2+ KB

df.describe() #对dataframe中数值型字段进行描述统计
评价点评人数
count371.000000404.000000
mean4.2838272483.262376
std0.5082644539.495778
min1.5000001.000000
25%4.20000087.000000
50%4.400000853.500000
75%4.6000003247.000000
max4.90000045463.000000

2、查看dataframe中数据的方法

几种查询方法：
1、通过直接选取的方法
2、df.loc方法，根据行，列的标签值查询
3、df.iloc方法，根据行，列的数字位置查询
4、df.where方法
5、df.query方法
这里我只分享一下最为常见前两种方法

df=df[0:5]  # 为了方便显示，只取文件的前5行
df
名称关键字区域地址评价点评人数平均消费
序号
1香港嘉湖海逸酒店(Harbour Plaza Resort City)休闲度假元朗天水围 天恩路18号4.617604.0422元
2香港铜锣湾皇悦酒店(Empire Hotel Hong Kong-Causeway Bay)浪漫情侣东区铜锣湾永兴街8号4.512708.0693元
3香港碧荟酒店(The BEACON)商务出行油尖旺九龙旺角洗衣街88号4.7328.0747元
4香港湾仔帝盛酒店(Dorsett Wanchai)浪漫情侣湾仔皇后大道东387-397号4.45014.0693元
5如心艾朗酒店(L‘hotel elan)浪漫情侣观塘观塘创业街38号4.63427.0581元
1）直接选取的方法询

使用一个列标签或列标签列表进行查询，获取一列或多列；使用切片则获行。注意：使用索引位置序号切片结果不包含末端索引，使用索引标签切片结果包含末端索引

print(type(df['名称']))
print('-'*30)
df['名称'] # 使用一个值进行查询，获得的是一个series

<class 'pandas.core.series.Series'>
------------------------------





序号
1               香港嘉湖海逸酒店(Harbour Plaza Resort City)
2    香港铜锣湾皇悦酒店(Empire Hotel Hong Kong-Causeway Bay)
3                                香港碧荟酒店(The BEACON)
4                         香港湾仔帝盛酒店(Dorsett Wanchai)
5                              如心艾朗酒店(L‘hotel elan)
Name: 名称, dtype: object

print(type(df[['名称','平均消费']]))
print('-'*30)
df[['名称','平均消费']]   # 使用一个值进行查询，获得的是一个DataFrame

<class 'pandas.core.frame.DataFrame'>
------------------------------
名称平均消费
序号
1香港嘉湖海逸酒店(Harbour Plaza Resort City)422元
2香港铜锣湾皇悦酒店(Empire Hotel Hong Kong-Causeway Bay)693元
3香港碧荟酒店(The BEACON)747元
4香港湾仔帝盛酒店(Dorsett Wanchai)693元
5如心艾朗酒店(L‘hotel elan)581元
df[0:2]  #使用索引位置序号切片结果不包含末端索引
名称关键字区域地址评价点评人数平均消费
序号
1香港嘉湖海逸酒店(Harbour Plaza Resort City)休闲度假元朗天水围 天恩路18号4.617604.0422元
2香港铜锣湾皇悦酒店(Empire Hotel Hong Kong-Causeway Bay)浪漫情侣东区铜锣湾永兴街8号4.512708.0693元
2）、df.loc方法，根据行，列的标签值查询

1、若行列都传入某一个标签，得到的是指定位置的数据，类型即为该数据的数据类型。注意：loc使用标签切片包含末端项，iloc使用索引位置切片不包含末端项。
2、若参数里传入单独指定某一行，得到的是name为该行标签Series，但如果以列表形式指定某一行如[1]，得到的是DataFrame；
3、若行和列传入的都是列表形式，得到的是DataFrame，当传入多行单列时返回的还是一个series
4、使用区间进行查询，区间即包含开始也包含结束
5、使用条件表达式查询

# 1、传入某一个标签
df.loc[1,'名称']

'香港嘉湖海逸酒店(Harbour Plaza Resort City)'

# 2.1、传入单独行
df.loc[1]     

名称      香港嘉湖海逸酒店(Harbour Plaza Resort City)
关键字                                    休闲度假
区域                                       元朗
地址                               天水围 天恩路18号
评价                                      4.6
点评人数                                  17604
平均消费                                   422元
Name: 1, dtype: object

# 2.2、以列表形式传入单独行
df.loc[[1]]
名称关键字区域地址评价点评人数平均消费
序号
1香港嘉湖海逸酒店(Harbour Plaza Resort City)休闲度假元朗天水围 天恩路18号4.617604.0422元
# 3、行和列传入的都是列表形式，返回dataframe，当传入多行单列时返回的是一个series
df.loc[[1,2,3],['名称','平均消费']]
名称平均消费
序号
1香港嘉湖海逸酒店(Harbour Plaza Resort City)422元
2香港铜锣湾皇悦酒店(Empire Hotel Hong Kong-Causeway Bay)693元
3香港碧荟酒店(The BEACON)747元
# 4、使用区间进行查询，区间即包含开始也包含结束
df.loc[1:3,'名称':'平均消费']
名称关键字区域地址评价点评人数平均消费
序号
1香港嘉湖海逸酒店(Harbour Plaza Resort City)休闲度假元朗天水围 天恩路18号4.617604.0422元
2香港铜锣湾皇悦酒店(Empire Hotel Hong Kong-Causeway Bay)浪漫情侣东区铜锣湾永兴街8号4.512708.0693元
3香港碧荟酒店(The BEACON)商务出行油尖旺九龙旺角洗衣街88号4.7328.0747元
# 5、使用条件表达式查询
df.loc[df['评价']>=4.6,:]
名称关键字区域地址评价点评人数平均消费
序号
1香港嘉湖海逸酒店(Harbour Plaza Resort City)休闲度假元朗天水围 天恩路18号4.617604.0422元
3香港碧荟酒店(The BEACON)商务出行油尖旺九龙旺角洗衣街88号4.7328.0747元
5如心艾朗酒店(L‘hotel elan)浪漫情侣观塘观塘创业街38号4.63427.0581元
# 多条件查询
df.loc[(df['关键字']=='休闲度假')& (df['评价']>=4.6),:]
名称关键字区域地址评价点评人数平均消费
序号
1香港嘉湖海逸酒店(Harbour Plaza Resort City)休闲度假元朗天水围 天恩路18号4.617604.0422元

二、dataframe新增&修改数据列

1、直接赋值
2、分条件赋值
3、apply方法

# 将原dataframe中平均消费字段的‘元’去掉
df #查看原dataframe
名称关键字区域地址评价点评人数平均消费
序号
1香港嘉湖海逸酒店(Harbour Plaza Resort City)休闲度假元朗天水围 天恩路18号4.617604.0422元
2香港铜锣湾皇悦酒店(Empire Hotel Hong Kong-Causeway Bay)浪漫情侣东区铜锣湾永兴街8号4.512708.0693元
3香港碧荟酒店(The BEACON)商务出行油尖旺九龙旺角洗衣街88号4.7328.0747元
4香港湾仔帝盛酒店(Dorsett Wanchai)浪漫情侣湾仔皇后大道东387-397号4.45014.0693元
5如心艾朗酒店(L‘hotel elan)浪漫情侣观塘观塘创业街38号4.63427.0581元
df['平均消费']=df['平均消费'].str.replace('元','').astype('int') # 去掉‘元’
df #再次查看dataframe
名称关键字区域地址评价点评人数平均消费
序号
1香港嘉湖海逸酒店(Harbour Plaza Resort City)休闲度假元朗天水围 天恩路18号4.617604.0422
2香港铜锣湾皇悦酒店(Empire Hotel Hong Kong-Causeway Bay)浪漫情侣东区铜锣湾永兴街8号4.512708.0693
3香港碧荟酒店(The BEACON)商务出行油尖旺九龙旺角洗衣街88号4.7328.0747
4香港湾仔帝盛酒店(Dorsett Wanchai)浪漫情侣湾仔皇后大道东387-397号4.45014.0693
5如心艾朗酒店(L‘hotel elan)浪漫情侣观塘观塘创业街38号4.63427.0581
# 直接赋值方法
df['总消费']=df['点评人数']*df['平均消费']
df
名称关键字区域地址评价点评人数平均消费总消费
序号
1香港嘉湖海逸酒店(Harbour Plaza Resort City)休闲度假元朗天水围 天恩路18号4.617604.04227428888.0
2香港铜锣湾皇悦酒店(Empire Hotel Hong Kong-Causeway Bay)浪漫情侣东区铜锣湾永兴街8号4.512708.06938806644.0
3香港碧荟酒店(The BEACON)商务出行油尖旺九龙旺角洗衣街88号4.7328.0747245016.0
4香港湾仔帝盛酒店(Dorsett Wanchai)浪漫情侣湾仔皇后大道东387-397号4.45014.06933474702.0
5如心艾朗酒店(L‘hotel elan)浪漫情侣观塘观塘创业街38号4.63427.05811991087.0
# 按条件分组赋值
df['评价等级']=''
df.loc[df['评价']>=4.7,'评价等级']='评价高'
df.loc[(df['评价']<4.7)&(df['评价']>=4.6),'评价等级']='评价中'
df.loc[df['评价']<4.6,'评价等级']='评价低'
df
名称关键字区域地址评价点评人数平均消费总消费评价等级
序号
1香港嘉湖海逸酒店(Harbour Plaza Resort City)休闲度假元朗天水围 天恩路18号4.617604.04227428888.0评价中
2香港铜锣湾皇悦酒店(Empire Hotel Hong Kong-Causeway Bay)浪漫情侣东区铜锣湾永兴街8号4.512708.06938806644.0评价低
3香港碧荟酒店(The BEACON)商务出行油尖旺九龙旺角洗衣街88号4.7328.0747245016.0评价高
4香港湾仔帝盛酒店(Dorsett Wanchai)浪漫情侣湾仔皇后大道东387-397号4.45014.06933474702.0评价低
5如心艾朗酒店(L‘hotel elan)浪漫情侣观塘观塘创业街38号4.63427.05811991087.0评价中
# apply方法
def get_level(x):
    if x['平均消费']>700:
        return '高等消费'
    if x['平均消费']>600:
        return '中等消费'
    else :
        return '普通消费'
df['消费等级']=df.apply(get_level,axis=1)
df
名称关键字区域地址评价点评人数平均消费总消费评价等级消费等级
序号
1香港嘉湖海逸酒店(Harbour Plaza Resort City)休闲度假元朗天水围 天恩路18号4.617604.04227428888.0评价中普通消费
2香港铜锣湾皇悦酒店(Empire Hotel Hong Kong-Causeway Bay)浪漫情侣东区铜锣湾永兴街8号4.512708.06938806644.0评价低中等消费
3香港碧荟酒店(The BEACON)商务出行油尖旺九龙旺角洗衣街88号4.7328.0747245016.0评价高高等消费
4香港湾仔帝盛酒店(Dorsett Wanchai)浪漫情侣湾仔皇后大道东387-397号4.45014.06933474702.0评价低中等消费
5如心艾朗酒店(L‘hotel elan)浪漫情侣观塘观塘创业街38号4.63427.05811991087.0评价中普通消费

三、dataframe缺失值处理

1、缺失值的检测：isna与isnull
2、缺失值删除：dropna，默认值0
axis：删除行还是列，0或者index，删除行；1或者columns，删除列
how：如果等于any任意值为空就删除，如果等于all则所有值为空才删除
inplace：如果为true，则替换当前dataframe，为false时，返回新的dataframe
3、填充空值：fillna
value：用于填充的值，可以是单个值，也可以是dict/Series/DataFrame。
method：默认值None，等于ffill时，使用前一个不为空的值填充，等于bfill时，使用后一个不为空的值填充。
axis：按照行还是列，0或者index，行；1或者columns，列
inplace：如果为true，则替换当前dataframe，为false时，返回新的dataframe

df1=pd.read_excel(r'C:/Users/37957/Desktop/pandas_files/pandas_dataframe/hotel.xlsx',index_col='序号')  # 读取excel文件

df1.fillna({'评价':0}).head()   # 将评价字段的空值以0填充,查看前5行
名称关键字区域地址评价点评人数平均消费
序号
1香港嘉湖海逸酒店(Harbour Plaza Resort City)休闲度假元朗天水围 天恩路18号4.617604.0422元
2香港铜锣湾皇悦酒店(Empire Hotel Hong Kong-Causeway Bay)浪漫情侣东区铜锣湾永兴街8号4.512708.0693元
3香港碧荟酒店(The BEACON)商务出行油尖旺九龙旺角洗衣街88号4.7328.0747元
4香港湾仔帝盛酒店(Dorsett Wanchai)浪漫情侣湾仔皇后大道东387-397号4.45014.0693元
5如心艾朗酒店(L‘hotel elan)浪漫情侣观塘观塘创业街38号4.63427.0581元
df1['评价'].fillna(method='ffill',inplace=True)  # 将评价字段的空值以前一个不为空的值填充
df1.head()  # 查看前5行
名称关键字区域地址评价点评人数平均消费
序号
1香港嘉湖海逸酒店(Harbour Plaza Resort City)休闲度假元朗天水围 天恩路18号4.617604.0422元
2香港铜锣湾皇悦酒店(Empire Hotel Hong Kong-Causeway Bay)浪漫情侣东区铜锣湾永兴街8号4.512708.0693元
3香港碧荟酒店(The BEACON)商务出行油尖旺九龙旺角洗衣街88号4.7328.0747元
4香港湾仔帝盛酒店(Dorsett Wanchai)浪漫情侣湾仔皇后大道东387-397号4.45014.0693元
5如心艾朗酒店(L‘hotel elan)浪漫情侣观塘观塘创业街38号4.63427.0581元

四、dataframe排序

DataFrame.sort_values(by, axis=0, ascending=True, inplace=False, kind=‘quicksort’, na_position=‘last’, ignore_index=False, key=None)
常用参数：
by：字符串或者字符串列表，分别单列排序或者多列排序
ascending：升序或者降序，bool类型或者bool类型的列表，与by参数相对应

df2=pd.read_excel(r'C:/Users/37957/Desktop/pandas_files/pandas_dataframe/hotel.xlsx',index_col='序号')

df2.sort_values(by=['区域','评价'],ascending=[True,False]).head()  # 对区域列按正序，评价按从高到低排序,查看前5行
名称关键字区域地址评价点评人数平均消费
序号
131香港东隅(East Hong Kong)海滨风光东区太古城道29号4.74549.01408元
40香港颐庭酒店(铜锣湾店)(Eco Tree Hotel Causeway Bay)NaN东区铜锣湾水星街15号4.615.0567元
94香港海汇酒店(Hotel VIC on the Harbour)海滨风光东区北角邨里一号4.6298.0950元
121香港如心铜锣湾海景酒店(L‘hotel Causeway Bay Harbour View ...海滨风光东区铜锣湾 英皇道18号4.69712.0678元
189香港铜锣湾维景酒店(Metropark Hotel Causeway Bay Hong Kong)海滨风光东区铜锣湾 铜锣湾道148号4.63168.0950元
wenlulan
关注
专栏目录
Python-Pandas之DataFrame用法总结
MsSpark的博客
10-14 5万+
DataFrame：类似于表的数据结构 本文对Pandas包中二维（多维）数据结构DataFrame的特点和用法进行了总结归纳。 可以参考：pandas用法速览 3.1 增加数据 3.1.1 创建数据框Object Creation import pandas as pd import numpy as np #通过Numpy array来创建数据框 dates=pd.date_range('...
python下的Pandas中DataFrame基本操作（一），基本函数整理
热门推荐
daydayup_668819的博客
09-02 6万+
pandas作者Wes McKinney 在【PYTHON FOR DATA ANALYSIS】中对pandas的方方面面都有了一个权威简明的入门级的介绍，谈到pandas数据的行更新、表合并等操作，一般用到的方法有concat、join、merge。但这三种方法对于很多新手...
pandas学习笔记（五）：操作（Operations）
数据库爆破专家的博客
06-20 355
（1）统计操作 mean() 用来排除缺失的数据 df.mean() （2）在其他轴的同样操作 df.mean(1) （3）带有对象的操作会有不同的维度要去对齐，除此之外，pandas会自动沿着指定维度广播 s = pd.Series([1, 3, 5, np.nan, 6, 8], index=dates).shift(2) s df.sub(s, axis='index') df （4）应用函数到数据 （4）直方图化 s = pd.Series(np.ran.
Python3 - Pandas Operations
CHNMSCS
12-24 136
import pandas as pd df = pd.DataFrame({'col1': [1,2,3,4], 'col2': [444,555,666,444], 'col3': ['abc','def','ghi','xyz']}) print(df) print('\n') print(df.head()) print('\n') print('***** 寻找unique number in one column
#######用python做数据分析4|pandas库介绍之DataFrame基本操作#######
木东的博客
12-15 6636
用python做数据分析4|pandas库介绍之DataFrame基本操作 怎样删除list中空字符？ 最简单的方法：new_list = [ x for x in li if x != '' ] 这一部分主要学习pandas中基于前面两种数据结构的基本操作。 设有DataFrame结果的数据a如下所示： a b c one 4 1 1 tw
Pandas中的五种数据查询方法--【数值，列表，区间，条件，函数查询】
qq_46044325的博客
09-11 1万+
这种错误一般都是修改完之后了，不能在进行修改，说明已经修改过了。2. df.iloc方法，根据行、列的数字位置查询。注意，组合条件&符号合并，每个条件判断都得带括号。1.df.loc方法，根据行、列的标签值查询。.loc既能查询，又能覆盖写入，强烈推荐!行或列，都可以只传入单个值，实现精确匹配。1.使用单个label值查询数据。注意：区间既包括开始，也包括结束。3.使用数值区间进行范围查询。北京2018年全年天气预报。2.使用值列表批量查询。4.使用条件表达式查询。得到DataFrame。
dataframe上下行比较_[转]Spark与Pandas中DataFrame对比（详细）
weixin_39861624的博客
12-31 478
版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/ljp812184246/article/details/77678591PandasSpark工作方式单机single machine tool，没有并行机制parallelism不支持Hadoop，处理大量数据有瓶颈分布式并行计算框架，内建并行机制parallelism，所有的数据和操作自动并行分...
pandas中DataFrame数据结构的方法之sort_index
weixin_43213382的博客
01-07 1020
##pd.DataFrame.sort_index## pd.DataFrame.sort_index( self, axis=0, level=None, ascending=True, inplace=False, kind=‘quicksort’, na_position=‘last’, sort_remaining=True, by=None, ) Docstring: Sort obje...
pandas 更改单元格的值,使用索引为pandas DataFrame中的特定单元格设置值
weixin_42571738的博客
01-15 333
I've created a Pandas DataFramedf = DataFrame(index=['A','B','C'], columns=['x','y'])and got thisx yA NaN NaNB NaN NaNC NaN NaNThen I want to assign value to particular cell, for example for ...
pandas从文件中读取数据
weixin_42213622的博客
02-27 1万+
pandas可操作的数据类型：csv，excel，json… pandas从文件中读取数据 1). csv文件的写入：to_csv df = pd.DataFrame( {'province': ['陕西', '陕西', '四川', '四川', '陕西'], 'city': ['咸阳', '宝鸡', '成都', '成都', '宝鸡'], 'count1': [1, 2,...
dataframe基本函数
qq_32649321的博客
12-09 2116
转载：https://blog.csdn.net/brucewong0516/article/details/81782312
Pandas数据分析①——数据读取（CSV/TXT/JSON)
cindy407的博客
06-03 2万+
一、CSV读取和导出 ①基本参数 ②注意事项： header=0/None names=[]/list encoding=‘gbk’/‘utf-8’ index_col=[] 存储路径最好全英文，或直接放入pandas默认的存储路径 名字也纯英文 二、TXT读取和导出 ①基本参数 ②注意事项： sep = ‘\s+’ encoding=‘utf-8’ 三、JSON读取和导出 ①python自带方式...
Pandas第一部分Day3练习题
weixin_51747569的博客
11-23 1万+
第三次课作业 （1）Pandas基础知识 （1）用字典数据类型创建DataFrame。 data={'state':['a','b','c','d'], 'year':[1991,1992,1993,1994], 'pop':[6,7,8,9]} import pandas as pd import numpy as np data={'state':['a','b','c','d'], 'year':[1991,1992,1993,1994], 'pop':[6,7,
香港酒店数据分析
jjj_asteria的博客
11-27 1744
数据读取 import pandas as pd import matplotlib.pyplot as plt import numpy as np # 解决中文问题 plt.rcParams['font.sans-serif'] = 'SimHei' # 读取数据 df = pd.read_excel('./香港酒店数据.xlsx') print(df.head()) # 删除第一行的空值 df = df[1:] # 重置索引 df.index = range(len(df)) # 删除Un.
pandas 数据文件读取
weixin_38477351的博客
02-05 4968
数据文件读取/文本数据读取与文本存储 一、数据文件读取 1、通过pandas提供的read_xxx相关的函数可以读取文件中的数据，并形成 DataFrame，常用的数据读取方式为：read_csv，主要可以读取文本类型的数据。 详见：https://pand...
pandas练习 香港酒店数据
brytlevson的博客
12-03 2850
pandas练习 香港酒店数据
pandas 数据读取（csv/txt/excel/json）
wenlulan的博客
09-13 1020
pandas 数据读取（csv/txt/excel/json） 一、pd.read_csv(txt) 常用参数 这里只介绍一下比较常用的参数，需要更多了解的可以查pandas官方文档 ① filepath_or_buffer：需要读取的文件路径，输入路径时可以在可以在路径前加 r 避免转义，路径最好时纯英文 import pandas as pd df1=pd.read_csv(r'C:/Users/37957/Desktop/demo1.txt') df1
SparkSQL中DataFrame Operations操作（select、filter、groupBy、count）
RiverCode的博客
03-07 1万+
代码+图文讲解SparkSQL DataFrame操作，select、filter、groupBy、count操作
pandas Vlookup
最新发布
09-09
The merge() function in pandas can be used to perform a VLOOKUP-like operation by joining two DataFrame objects based on a common column. Here's an example of how you can use merge() to achieve the ...
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