TreeSir

摘要： 注意： 要保证对应列的数据类型是一致的！不要出现，A的datetime类型是Timestemp；B的datetime类型是str。 否则横向合并时会出现合并上去的列为NaN。 需要将两个DataFrame进行横向拼接； 对 A_DataFrame 拼接一列数据； 数据样例如下： 将右侧source_ 阅读全文

摘要： 定位要删除的行 需求：删除指定列中NaN所在行。 如下图，’open‘ 列中有一行为NaN，定位到它，然后删除。 定位： 删除行 阅读全文

摘要： 今天对代码进行了修改优化，然后往往远程push，但push后报错了 git操作 报错信息 原因 之所以出现这个原因，是因为我在线上生成、编辑了README.md文件，而本地代码文件中不包含它，所以线上线下就对不上了。 解决 将线上、线下代码进行合并 然后再进行push 成功： 阅读全文

摘要： Outline 处理数据时，遇到文件中包含一些不需要的数据(行)，需要把这些不符合要求的行给删除掉。 例如：该数据中应该都是2000年的数据，但是包含了一些2001年的数据，所以需要把2001年的数据给删除掉。 筛选出指定行 找到所有包含2000年的数据： 根据pandas中取反操作：”~“, 取出 阅读全文

摘要： 导出开发环境 导入环境 阅读全文

摘要： 原始文件 下面是Excel打开以及pd.read_csv() 打开： 里面只是干巴巴的数据，没有列名，so，需要给其设置列名。 Method1 不让第一行数据默认当作列名（默认第一行数据是列名了）。 只需要在pd.read_csv() 中加参数 header=None source_df = pd. 阅读全文

摘要： 查看初始编码 首先查看拿到的response编码格式： （就不放代码了，因为此例需要用到cookie，可自行找个网站具体测试） 可见初始编码为：ISO-8859-1 修改编码 初始编码： 修改后编码： so 修改编码后乱码消失了，你就可以对它为所欲为了~ 阅读全文

摘要： 计算数值出现的次数“ 图： 阅读全文

摘要： 代码： # amount price avg_cost 为列表数值 自己根据需求填充即可 阅读全文

摘要： 如下图： 读取出来的 DataFrame “code” 列内容格式为：“浪潮信息(000977.XSHE)” 格式，目标效果是：000977.XSHE 代码： 原理： 选中要操作的对象(code列)，然后通过map+lambda 对code列中的每个元素进行操作。 阅读全文