Python酷库之旅-第三方库Pandas(103)

于 2024-08-28 07:45:00 发布
阅读量1.2k 收藏 15
点赞数 27
分类专栏： Myelsa的Python酷库之旅 文章标签： python pandas 开发语言 人工智能 标准库及第三方库 excel 学习与成长
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/ygb_1024/article/details/141559562
版权

目录

一、用法精讲

446、pandas.DataFrame.mul方法

446-1、语法

446-2、参数

446-3、功能

446-4、返回值

446-5、说明

446-6、用法

446-6-1、数据准备

446-6-2、代码示例

446-6-3、结果输出

447、pandas.DataFrame.div方法

447-1、语法

447-2、参数

447-3、功能

447-4、返回值

447-5、说明

447-6、用法

447-6-1、数据准备

447-6-2、代码示例

447-6-3、结果输出

448、pandas.DataFrame.truediv方法

448-1、语法

448-2、参数

448-3、功能

448-4、返回值

448-5、说明

448-6、用法

448-6-1、数据准备

448-6-2、代码示例

448-6-3、结果输出

449、pandas.DataFrame.floordiv方法

449-1、语法

449-2、参数

449-3、功能

449-4、返回值

449-5、说明

449-6、用法

449-6-1、数据准备

449-6-2、代码示例

449-6-3、结果输出

450、pandas.DataFrame.mod方法

450-1、语法

450-2、参数

450-3、功能

450-4、返回值

450-5、说明

450-6、用法

450-6-1、数据准备

450-6-2、代码示例

450-6-3、结果输出

二、推荐阅读

1、Python筑基之旅

2、Python函数之旅

3、Python算法之旅

4、Python魔法之旅

5、博客个人主页

一、用法精讲

446、pandas.DataFrame.mul方法
446-1、语法
# 446、pandas.DataFrame.mul方法
pandas.DataFrame.mul(other, axis='columns', level=None, fill_value=None)
Get Multiplication of dataframe and other, element-wise (binary operator mul).

Equivalent to dataframe * other, but with support to substitute a fill_value for missing data in one of the inputs. With reverse version, rmul.

Among flexible wrappers (add, sub, mul, div, floordiv, mod, pow) to arithmetic operators: +, -, *, /, //, %, **.

Parameters:
other
scalar, sequence, Series, dict or DataFrame
Any single or multiple element data structure, or list-like object.

axis
{0 or ‘index’, 1 or ‘columns’}
Whether to compare by the index (0 or ‘index’) or columns. (1 or ‘columns’). For Series input, axis to match Series index on.

level
int or label
Broadcast across a level, matching Index values on the passed MultiIndex level.

fill_value
float or None, default None
Fill existing missing (NaN) values, and any new element needed for successful DataFrame alignment, with this value before computation. If data in both corresponding DataFrame locations is missing the result will be missing.

Returns:
DataFrame
Result of the arithmetic operation.
446-2、参数

446-2-1、other(必须)：用于与调用DataFrame进行逐元素乘法运算的对象，可以是另一个DataFrame、Series、标量或常数，如果是DataFrame或Series，则其形状必须与调用的DataFrame兼容(即可以对齐)。

446-2-2、axis(可选，默认值为'columns')： {0 or ‘index’, 1 or ‘columns’}，确定对齐的轴，如果是0或'index'，则沿着行对齐；如果是1或'columns'，则沿着列对齐。

446-2-3、level(可选，默认值为None)：如果指定了多级索引(MultiIndex)，则在指定的级别上进行对齐，默认是None，即不使用多级索引。

446-2-4、fill_value(可选，默认值为None)：用于替换DataFrame中缺失的数据(即NaN)的值，如果在运算中发现NaN值，它们将被fill_value替换，然后再进行运算，默认是None，即不替换NaN值。

446-3、功能

        用于将一个DataFrame与另一个DataFrame、Series或标量进行逐元素的乘法运算，其结果是一个新的DataFrame，其中每个元素是对应位置上两个操作数的乘积。

446-4、返回值

        返回一个新的DataFrame，其中每个元素是调用DataFrame与参数other对应位置元素的乘积。

446-5、说明

        无

446-6、用法
446-6-1、数据准备
无
446-6-2、代码示例
# 446、pandas.DataFrame.mul方法
# 446-1、与标量的乘法运算
import pandas as pd
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]
})
result = df.mul(2)
print(result, end='\n\n')

# 446-2、与另一个DataFrame的乘法运算
import pandas as pd
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]
})
other = pd.DataFrame({
    'A': [10, 20, 30],
    'B': [40, 50, 60]
})
result = df.mul(other)
print(result, end='\n\n')

# 446-3、使用fill_value参数
import pandas as pd
df1 = pd.DataFrame({
    'A': [1, 2, None],
    'B': [4, None, 6]
})
df2 = pd.DataFrame({
    'A': [10, 20, 30],
    'B': [40, 50, 60]
})
result = df1.mul(df2, fill_value=1)
print(result)
446-6-3、结果输出
# 446、pandas.DataFrame.mul方法
# 446-1、与标量的乘法运算
#    A   B
# 0  2   8
# 1  4  10
# 2  6  12

# 446-2、与另一个DataFrame的乘法运算
#     A    B
# 0  10  160
# 1  40  250
# 2  90  360

# 446-3、使用fill_value参数
#       A      B
# 0  10.0  160.0
# 1  40.0   50.0
# 2  30.0  360.0
447、pandas.DataFrame.div方法
447-1、语法
# 447、pandas.DataFrame.div方法
pandas.DataFrame.div(other, axis='columns', level=None, fill_value=None)
Get Floating division of dataframe and other, element-wise (binary operator truediv).

Equivalent to dataframe / other, but with support to substitute a fill_value for missing data in one of the inputs. With reverse version, rtruediv.

Among flexible wrappers (add, sub, mul, div, floordiv, mod, pow) to arithmetic operators: +, -, *, /, //, %, **.

Parameters:
other
scalar, sequence, Series, dict or DataFrame
Any single or multiple element data structure, or list-like object.

axis
{0 or ‘index’, 1 or ‘columns’}
Whether to compare by the index (0 or ‘index’) or columns. (1 or ‘columns’). For Series input, axis to match Series index on.

level
int or label
Broadcast across a level, matching Index values on the passed MultiIndex level.

fill_value
float or None, default None
Fill existing missing (NaN) values, and any new element needed for successful DataFrame alignment, with this value before computation. If data in both corresponding DataFrame locations is missing the result will be missing.

Returns:
DataFrame
Result of the arithmetic operation.
447-2、参数

447-2-1、other(必须)：用于与调用DataFrame进行逐元素除法运算的对象，可以是另一个DataFrame、Series、标量或常数，如果是DataFrame或Series，则其形状必须与调用的DataFrame兼容(即可以对齐)。

447-2-2、axis(可选，默认值为'columns')： {0 or ‘index’, 1 or ‘columns’}，确定对齐的轴，如果是0或'index'，则沿着行对齐；如果是1或'columns'，则沿着列对齐。

447-2-3、level(可选，默认值为None)：如果指定了多级索引(MultiIndex)，则在指定的级别上进行对齐，默认是None，即不使用多级索引。

447-2-4、fill_value(可选，默认值为None)：用于替换DataFrame中缺失的数据(即NaN)的值，如果在运算中发现NaN值，它们将被fill_value替换，然后再进行运算，默认是None，即不替换NaN值。

447-3、功能

        用于将一个DataFrame与另一个DataFrame、Series或标量进行逐元素的除法运算，其结果是一个新的DataFrame，其中每个元素是对应位置上两个操作数的商。

447-4、返回值

        返回一个新的DataFrame，其中每个元素是调用DataFrame与参数other对应位置元素的商。

447-5、说明

        无

447-6、用法
447-6-1、数据准备
无
447-6-2、代码示例
# 447、pandas.DataFrame.div方法
# 447-1、与标量的除法运算
import pandas as pd
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]
})
result = df.div(2)
print(result, end='\n\n')

# 447-2、与另一个DataFrame的除法运算
import pandas as pd
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]
})
other = pd.DataFrame({
    'A': [10, 20, 30],
    'B': [40, 50, 60]
})
result = df.div(other)
print(result, end='\n\n')

# 447-3、使用fill_value参数
import pandas as pd
df1 = pd.DataFrame({
    'A': [1, 2, None],
    'B': [4, None, 6]
})
df2 = pd.DataFrame({
    'A': [10, 20, 30],
    'B': [40, 50, 60]
})
result = df1.div(df2, fill_value=1)
print(result)
447-6-3、结果输出
# 447、pandas.DataFrame.div方法
# 447-1、与标量的除法运算
#      A    B
# 0  0.5  2.0
# 1  1.0  2.5
# 2  1.5  3.0

# 447-2、与另一个DataFrame的除法运算
#      A    B
# 0  0.1  0.1
# 1  0.1  0.1
# 2  0.1  0.1

# 447-3、使用fill_value参数
#           A     B
# 0  0.100000  0.10
# 1  0.100000  0.02
# 2  0.033333  0.10
448、pandas.DataFrame.truediv方法
448-1、语法
# 448、pandas.DataFrame.truediv方法
pandas.DataFrame.truediv(other, axis='columns', level=None, fill_value=None)
Get Floating division of dataframe and other, element-wise (binary operator truediv).

Equivalent to dataframe / other, but with support to substitute a fill_value for missing data in one of the inputs. With reverse version, rtruediv.

Among flexible wrappers (add, sub, mul, div, floordiv, mod, pow) to arithmetic operators: +, -, *, /, //, %, **.

Parameters:
other
scalar, sequence, Series, dict or DataFrame
Any single or multiple element data structure, or list-like object.

axis
{0 or ‘index’, 1 or ‘columns’}
Whether to compare by the index (0 or ‘index’) or columns. (1 or ‘columns’). For Series input, axis to match Series index on.

level
int or label
Broadcast across a level, matching Index values on the passed MultiIndex level.

fill_value
float or None, default None
Fill existing missing (NaN) values, and any new element needed for successful DataFrame alignment, with this value before computation. If data in both corresponding DataFrame locations is missing the result will be missing.

Returns:
DataFrame
Result of the arithmetic operation.
448-2、参数

448-2-1、other(必须)：用于与调用DataFrame进行逐元素除法运算的对象，可以是另一个DataFrame、Series、标量或常数，如果是DataFrame或Series，则其形状必须与调用的DataFrame兼容(即可以对齐)。

448-2-2、axis(可选，默认值为'columns')： {0 or ‘index’, 1 or ‘columns’}，确定对齐的轴，如果是0或'index'，则沿着行对齐；如果是1或'columns'，则沿着列对齐。

448-2-3、level(可选，默认值为None)：如果指定了多级索引(MultiIndex)，则在指定的级别上进行对齐，默认是None，即不使用多级索引。

448-2-4、fill_value(可选，默认值为None)：用于替换DataFrame中缺失的数据(即NaN)的值，如果在运算中发现NaN值，它们将被fill_value替换，然后再进行运算，默认是None，即不替换NaN值。

448-3、功能

        用于将一个DataFrame与另一个DataFrame、Series或标量执行逐元素除法操作，该方法返回的结果是一个新的DataFrame，其中每个元素是两个操作数对应位置的商。

448-4、返回值

        返回一个新的DataFrame，其中每个元素是调用DataFrame与other对应位置元素的商。

448-5、说明

        无

448-6、用法
448-6-1、数据准备
无
448-6-2、代码示例
# 448、pandas.DataFrame.truediv方法
# 448-1、与标量的真除法运算
import pandas as pd
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]
})
result = df.truediv(2)
print(result, end='\n\n')

# 448-2、与另一个DataFrame的真除法运算
import pandas as pd
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]
})
other = pd.DataFrame({
    'A': [10, 20, 30],
    'B': [40, 50, 60]
})
result = df.truediv(other)
print(result, end='\n\n')

# 448-3、使用fill_value参数处理缺失值
import pandas as pd
df1 = pd.DataFrame({
    'A': [1, 2, None],
    'B': [4, None, 6]
})
df2 = pd.DataFrame({
    'A': [10, 20, 30],
    'B': [40, 50, 60]
})
result = df1.truediv(df2, fill_value=1)
print(result)
448-6-3、结果输出
# 448、pandas.DataFrame.truediv方法
# 448-1、与标量的真除法运算
#      A    B
# 0  0.5  2.0
# 1  1.0  2.5
# 2  1.5  3.0

# 448-2、与另一个DataFrame的真除法运算
#      A    B
# 0  0.1  0.1
# 1  0.1  0.1
# 2  0.1  0.1

# 448-3、使用fill_value参数处理缺失值
#           A     B
# 0  0.100000  0.10
# 1  0.100000  0.02
# 2  0.033333  0.10
449、pandas.DataFrame.floordiv方法
449-1、语法
# 449、pandas.DataFrame.floordiv方法
pandas.DataFrame.floordiv(other, axis='columns', level=None, fill_value=None)
Get Integer division of dataframe and other, element-wise (binary operator floordiv).

Equivalent to dataframe // other, but with support to substitute a fill_value for missing data in one of the inputs. With reverse version, rfloordiv.

Among flexible wrappers (add, sub, mul, div, floordiv, mod, pow) to arithmetic operators: +, -, *, /, //, %, **.

Parameters:
other
scalar, sequence, Series, dict or DataFrame
Any single or multiple element data structure, or list-like object.

axis
{0 or ‘index’, 1 or ‘columns’}
Whether to compare by the index (0 or ‘index’) or columns. (1 or ‘columns’). For Series input, axis to match Series index on.

level
int or label
Broadcast across a level, matching Index values on the passed MultiIndex level.

fill_value
float or None, default None
Fill existing missing (NaN) values, and any new element needed for successful DataFrame alignment, with this value before computation. If data in both corresponding DataFrame locations is missing the result will be missing.

Returns:
DataFrame
Result of the arithmetic operation.
449-2、参数

449-2-1、other(必须)：用于进行地板除法操作的对象，可以是另一个DataFrame、Series、标量或常数，如果是DataFrame或Series，则它们的形状应与调用的DataFrame兼容，以便进行元素级别的对齐。

449-2-2、axis(可选，默认值为'columns')： {0 or ‘index’, 1 or ‘columns’}，确定对齐的轴，如果是0或'index'，则沿着行对齐；如果是1或'columns'，则沿着列对齐。

449-2-3、level(可选，默认值为None)：如果指定了多级索引(MultiIndex)，则在指定的级别上进行对齐，默认是None，即不使用多级索引。

449-2-4、fill_value(可选，默认值为None)：用于替换DataFrame中缺失的数据(即NaN)的值，如果在运算中发现NaN值，它们将被fill_value替换，然后再进行运算，默认是None，即不替换NaN值。

449-3、功能

        用于将一个DataFrame与另一个DataFrame、Series或标量执行逐元素地板除法操作，该方法返回的结果是一个新的DataFrame，其中每个元素是两个操作数对应位置的整数商。

449-4、返回值

        返回一个新的DataFrame，其中每个元素是调用DataFrame与other对应位置元素的整数商。

449-5、说明

        无

449-6、用法
449-6-1、数据准备
无
449-6-2、代码示例
# 449、pandas.DataFrame.floordiv方法
# 449-1、与标量的地板除法运算
import pandas as pd
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]
})
result = df.floordiv(2)
print(result, end='\n\n')

# 449-2、与另一个DataFrame的地板除法运算
import pandas as pd
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]
})
other = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [2, 2, 2]
})
result = df.floordiv(other)
print(result, end='\n\n')

# 449-3、使用fill_value参数处理缺失值
import pandas as pd
df1 = pd.DataFrame({
    'A': [1, 2, None],
    'B': [4, None, 6]
})
df2 = pd.DataFrame({
    'A': [2, 2, 2],
    'B': [2, 2, 2]
})
result = df1.floordiv(df2, fill_value=1)
print(result)
449-6-3、结果输出
# 449、pandas.DataFrame.floordiv方法
# 449-1、与标量的地板除法运算
#    A  B
# 0  0  2
# 1  1  2
# 2  1  3

# 449-2、与另一个DataFrame的地板除法运算
#    A  B
# 0  1  2
# 1  1  2
# 2  1  3

# 449-3、使用fill_value参数处理缺失值
#      A    B
# 0  0.0  2.0
# 1  1.0  0.0
# 2  0.0  3.0
450、pandas.DataFrame.mod方法
450-1、语法
# 450、pandas.DataFrame.mod方法
pandas.DataFrame.mod(other, axis='columns', level=None, fill_value=None)
Get Modulo of dataframe and other, element-wise (binary operator mod).

Equivalent to dataframe % other, but with support to substitute a fill_value for missing data in one of the inputs. With reverse version, rmod.

Among flexible wrappers (add, sub, mul, div, floordiv, mod, pow) to arithmetic operators: +, -, *, /, //, %, **.

Parameters:
other
scalar, sequence, Series, dict or DataFrame
Any single or multiple element data structure, or list-like object.

axis
{0 or ‘index’, 1 or ‘columns’}
Whether to compare by the index (0 or ‘index’) or columns. (1 or ‘columns’). For Series input, axis to match Series index on.

level
int or label
Broadcast across a level, matching Index values on the passed MultiIndex level.

fill_value
float or None, default None
Fill existing missing (NaN) values, and any new element needed for successful DataFrame alignment, with this value before computation. If data in both corresponding DataFrame locations is missing the result will be missing.

Returns:
DataFrame
Result of the arithmetic operation.
450-2、参数

450-2-1、other(必须)：用于计算取模的对象，可以是另一个DataFrame、Series、标量或常数，DataFrame或Series应与调用的DataFrame形状兼容，以便进行元素级别的对齐。

450-2-2、axis(可选，默认值为'columns')： {0 or ‘index’, 1 or ‘columns’}，确定对齐的轴，如果是0或'index'，则沿着行对齐；如果是1或'columns'，则沿着列对齐。

450-2-3、level(可选，默认值为None)：如果指定了多级索引(MultiIndex)，则在指定的级别上进行对齐，默认是None，即不使用多级索引。

450-2-4、fill_value(可选，默认值为None)：用于替换DataFrame中缺失的数据(即NaN)的值，如果在运算中发现NaN值，它们将被fill_value替换，然后再进行运算，默认是None，即不替换NaN值。

450-3、功能

        用于逐元素地对DataFrame进行取模运算(即求余数)，该方法返回一个新的DataFrame，其中每个元素是调用DataFrame与other对应位置元素的余数。

450-4、返回值

        返回一个新的DataFrame，其中每个元素是调用DataFrame与other对应位置元素的余数。

450-5、说明

        无

450-6、用法
450-6-1、数据准备
无
450-6-2、代码示例
# 450、pandas.DataFrame.mod方法
# 450-1、与标量的取模运算
import pandas as pd
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]
})
result = df.mod(2)
print(result, end='\n\n')

# 450-2、与另一个DataFram的取模运算
import pandas as pd
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]
})
other = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [2, 2, 2]
})
result = df.mod(other)
print(result, end='\n\n')

# 450-3、使用fill_value参数处理缺失值
import pandas as pd
df1 = pd.DataFrame({
    'A': [1, 2, None],
    'B': [4, None, 6]
})
df2 = pd.DataFrame({
    'A': [2, 2, 2],
    'B': [2, 2, 2]
})
result = df1.mod(df2, fill_value=1)
print(result)
450-6-3、结果输出
# 450、pandas.DataFrame.mod方法
# 450-1、与标量的取模运算
#    A  B
# 0  1  0
# 1  0  1
# 2  1  0

# 450-2、与另一个DataFram的取模运算
#    A  B
# 0  0  0
# 1  0  1
# 2  0  0

# 450-3、使用fill_value参数处理缺失值
#      A    B
# 0  1.0  0.0
# 1  0.0  1.0
# 2  1.0  0.0

二、推荐阅读

1、Python筑基之旅
2、Python函数之旅
3、Python算法之旅
4、Python魔法之旅
5、博客个人主页
神奇夜光杯
关注
  • 27
    点赞
  • 踩
  • 15
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 6
    评论
专栏目录
Python酷库之旅-第三方库Pandas(005)
07-05
Pandas_read_excel函数数据准备
python-3.12.1-amd64安装包
01-26
此外，Python的pip工具允许用户方便地安装、升级和管理第三方库，进一步扩展了Python的功能。 总之，"python-3.12.1-amd64.exe"是一个针对64位Windows系统的Python 3.12.1安装程序，包含了运行和开发Python应用所需...
Python酷库之旅-第三方库Pandas(046)
ygb_1024的博客
07-26 1438
第三方库Pandas(046)
Python酷库之旅-第三方库Pandas(064)
ygb_1024的博客
08-04 2097
第三方库Pandas(064)
Python酷库之旅-第三方库Pandas(059)
ygb_1024的博客
08-02 1837
第三方库Pandas(059)
Python酷库之旅-第三方库Pandas(062)
ygb_1024的博客
08-03 3164
第三方库Pandas(062)
Python酷库之旅-第三方库Pandas(051)
ygb_1024的博客
07-29 1378
第三方库Pandas(051)
Python酷库之旅-第三方库Pandas(068)
ygb_1024的博客
08-06 2413
第三方库Pandas(068)
Python酷库之旅-第三方库Pandas(023)
ygb_1024的博客
07-15 2078
第三方库Pandas(023)
Python酷库之旅-第三方库Pandas(069)
ygb_1024的博客
08-07 2133
第三方库Pandas(069)
Python酷库之旅-第三方库Pandas(060)
ygb_1024的博客
08-02 1854
第三方库Pandas(060)
Python酷库之旅-第三方库Pandas(021)
ygb_1024的博客
07-14 1956
第三方库Pandas(021)
Python库 | coconut-develop-2.0.0a0.dev23.tar.gz
03-01
你可以使用pip来安装和管理Coconut库，同时，它与其他Python库（如NumPy、Pandas等）无缝协作，这意味着你可以在使用Coconut的同时，充分利用Python丰富的第三方库资源。 Coconut库的源代码打包为`coconut-develop-...
Python库 | seleniumbase-1.38.6-py2.py3-none-any.whl
03-24
7. **集成第三方库**：`seleniumbase`能够与`unittest`、`pytest`等测试框架无缝集成，也可以与其他库如`pandas`和`requests`配合，实现更复杂的测试需求。 8. **可扩展性**：`seleniumbase`设计为模块化，用户可以...
python-3.8.9-amd64-window.exe.zip
11-17
7. **Python库**: Python有丰富的第三方库支持，如Numpy用于科学计算，Pandas用于数据处理，Django和Flask用于Web开发。安装Python后，用户可以通过pip（Python的包管理器）来安装这些库。 8. **Python IDEs**: ...
如何在Python中使用IP代理
IPIPGO的博客
08-23 471
通过以上步骤，你应该已经学会了如何在Python中使用IP代理。无论是单个代理IP、带认证的代理IP，还是批量使用代理IP，这些方法都能帮助你在实际项目中灵活应用。希望这篇文章对你有所帮助，如果你有任何问题或建议，欢迎在评论区留言，我们会尽力为你解答。t=N7T8。
python 实现convolution neural network卷积神经网络算法
luthane的博客
08-26 1728
卷积神经网络（Convolutional Neural Networks, CNN）是一种包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks, FNN），是深度学习的代表算法之一。基本原理CNN的核心思想是通过模拟人类视觉系统的工作方式，自动提取图像中的特征，并将其用于分类、检测、分割等任务。它主要受到了生物学上感知机制的启发，模拟了人类视觉系统中的感知细胞和复杂细胞的工作方式。
centos7 安装 superset4.0.2 教程
最新发布
m0_37759590的博客
08-27 492
centos7 安装 superset4.0.2 教程
python12 中，No module named‘distutils‘错误
qq_43557600的博客
08-27 94
python12 “ No module named'distutils' ”,​ 安装 pip install setuptools ，解决 ​
评论 6
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

打赏作者

神奇夜光杯

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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