Python：23种Pandas核心操作方法，Python彻底组件化方案实践方法

print(tabulate(print_table, headers=headers))

当「print_table」是一个列表，其中列表元素还是新的列表，「headers」为表头字符串组成的列表。

7.列出所有列的名字

df.columns

基本数据处理

8.删除缺失数据

df.dropna(axis=0, how=‘any’)

返回一个 DataFrame，其中删除了包含任何 NaN 值的给定轴，选择 how=「all」会删除所有元素都是 NaN 的给定轴。

9.替换缺失数据

df.replace(to_replace=None, value=None)

使用 value 值代替 DataFrame 中的 to_replace 值，其中 value 和 to_replace 都需要我们赋予不同的值。

10.检查空值 NaN

pd.isnull(object)

检查缺失值，即数值数组中的 NaN 和目标数组中的 None/NaN。

11.删除特征

df.drop(‘feature_variable_name’, axis=1)

axis 选择 0 表示行，选择表示列。

12.将目标类型转换为浮点型

pd.to_numeric(df[“feature_name”], errors=‘coerce’)

将目标类型转化为数值从而进一步执行计算，在这个案例中为字符串。

13.将 DataFrame 转换为 NumPy 数组

df.as_matrix()

14.取 DataFrame 的前面「n」行

df.head(n)

15.通过特征名取数据

df.loc[feature_name]

DataFrame 操作

16.对 DataFrame 使用函数

该函数将令 DataFrame 中「height」行的所有值乘上 2：

df[“height”].apply(lambda height: 2 * height)

或：

def multiply(x):

return x * 2

df[“height”].apply(multiply)

17.重命名行

下面代码会重命名 DataFrame 的第三行为「size」：

df.rename(columns = {df.columns[2]:‘size’}, inplace=True)

18.取某一行的唯一实体

下面代码将取「name」行的唯一实体：

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Python开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注Python）

一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。

二、Python必备开发工具

工具都帮大家整理好了，安装就可直接上手！

三、最新Python学习笔记

当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。

四、Python视频合集

观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

五、实战案例

纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

六、面试宝典

简历模板

png)

六、面试宝典

简历模板