随笔分类 -  python数据分析

摘要:import pandas as pd # 创建示例 DataFrame data = { 'A': [1, 2, 3], 'B': ['a', 'b', 'c'] } df = pd.DataFrame(data) # 修改列 'A' 的值 new_values = [10, 20, 30] df 阅读全文
posted @ 2023-08-08 13:18 OTAKU_nicole 阅读(217) 评论(0) 推荐(0)
摘要:import pandas as pd # 创建示例 DataFrame data = { 'A': [1, 2, 3], 'B': ['a', 'b', 'c'] } df = pd.DataFrame(data) # 增加新列 'C' new_data = [10, 20, 30] df['C' 阅读全文
posted @ 2023-08-08 13:17 OTAKU_nicole 阅读(16) 评论(0) 推荐(0)
摘要:import pandas as pd # 创建示例 DataFrame data = { 'A': [1, 2, 3, 4, 5], 'B': ['a', 'b', 'c', 'd', 'e'], 'C': [10, 20, 30, 40, 50] } df = pd.DataFrame(data 阅读全文
posted @ 2023-08-08 11:47 OTAKU_nicole 阅读(131) 评论(0) 推荐(0)
摘要:import pandas as pd # 创建示例 DataFrame data = { 'A': [1, 2, 3, 4, 5], 'B': ['a', 'b', 'c', 'd', 'e'], 'C': [10, 20, 30, 40, 50] } df = pd.DataFrame(data 阅读全文
posted @ 2023-08-08 11:46 OTAKU_nicole 阅读(90) 评论(0) 推荐(0)
摘要:import pandas as pd # 创建示例 DataFrame data = { 'A': [1, 2, 3, 4, 5], 'B': ['a', 'b', 'c', 'd', 'e'], 'C': [10, 20, 30, 40, 50] } df = pd.DataFrame(data 阅读全文
posted @ 2023-08-08 11:44 OTAKU_nicole 阅读(101) 评论(0) 推荐(0)
摘要:import pandas as pd # 创建示例 DataFrame data = { 'A': [1, 2, 3], 'B': ['a', 'b', 'c'], 'C': [10, 20, 30] } df = pd.DataFrame(data) # 选择多列 'A' 和 'C' selec 阅读全文
posted @ 2023-08-08 11:42 OTAKU_nicole 阅读(54) 评论(0) 推荐(0)
摘要:import pandas as pd # 创建示例 DataFrame data = { 'A': [1, 2, 3], 'B': ['a', 'b', 'c'] } df = pd.DataFrame(data) # 选择单列 'A' column_A = df['A'] print(colum 阅读全文
posted @ 2023-08-08 11:41 OTAKU_nicole 阅读(23) 评论(0) 推荐(0)
摘要:import pandas as pd # 创建示例 DataFrame data = { 'A': [1, 2, 3], 'B': ['a', 'b', 'c'] } df = pd.DataFrame(data, index=['row1', 'row2', 'row3']) # 查看 Data 阅读全文
posted @ 2023-08-08 11:40 OTAKU_nicole 阅读(49) 评论(0) 推荐(0)
摘要:import pandas as pd # 创建示例 DataFrame data = { 'A': [1, 2, 3], 'B': ['a', 'b', 'c'], 'C': [10, 20, 30] } df = pd.DataFrame(data) # 查看 DataFrame 的列名 col 阅读全文
posted @ 2023-08-08 11:39 OTAKU_nicole 阅读(140) 评论(0) 推荐(0)
摘要:import pandas as pd # 创建示例 DataFrame data = { 'A': [1, 2, 3, 4, 5], 'B': [10, 20, 30, 40, 50] } df = pd.DataFrame(data) # 查看 DataFrame 的基本统计信息 print(d 阅读全文
posted @ 2023-08-08 11:37 OTAKU_nicole 阅读(59) 评论(0) 推荐(0)
摘要:import pandas as pd # 创建示例 DataFrame data = { 'A': [1, 2, 3, 4, 5, 6], 'B': ['a', 'b', 'c', 'd', 'e', 'f'] } df = pd.DataFrame(data) # 默认显示后5行 print(d 阅读全文
posted @ 2023-08-08 11:35 OTAKU_nicole 阅读(44) 评论(0) 推荐(0)
摘要:import pandas as pd # 创建示例 DataFrame data = { 'A': [1, 2, 3, 4, 5, 6], 'B': ['a', 'b', 'c', 'd', 'e', 'f'] } df = pd.DataFrame(data) # 默认显示前5行 print(d 阅读全文
posted @ 2023-08-08 11:31 OTAKU_nicole 阅读(139) 评论(0) 推荐(0)
摘要:random_index = random.randint(0, df.shape[0]) # 获取随机行 print(df.iloc[random_index]) # 获取随机行数据 阅读全文
posted @ 2022-06-10 14:21 OTAKU_nicole 阅读(151) 评论(0) 推荐(0)
摘要:df.shape[0] # 获取行数 df.shape[1] # 获取列数 阅读全文
posted @ 2022-06-10 14:20 OTAKU_nicole 阅读(175) 评论(0) 推荐(0)
摘要:import pandas as pd from pandas.testing import assert_frame_equal df1 = pd.DataFrame({'a': [1, 2], 'b': [3, 4]}) df2 = pd.DataFrame({'a': [1, 2], 'b': 阅读全文
posted @ 2022-05-18 19:05 OTAKU_nicole 阅读(661) 评论(0) 推荐(0)
摘要:递归错误:超过最大递归深度解决方案:设置下最大次数 import sys sys.setrecursionlimit(1000000) 阅读全文
posted @ 2021-11-13 19:32 OTAKU_nicole 阅读(113) 评论(0) 推荐(0)
摘要:D:Day 每日历日 B:BusinessDay 每工作日 H:Hour 每小时 T/min:Minute 每分 S:Second 每秒 M:MonthEnd 每月最后一个日历日 BM:BusinessMonthEnd 每月最后一个工作日 MS:MonthBegin 每月第一个日历日 BMS:Bus 阅读全文
posted @ 2021-10-14 16:39 OTAKU_nicole 阅读(432) 评论(0) 推荐(0)
摘要:import datetime stamp = datetime.datetime(2021,9,1,15,23,56) print("%Y 4位数年:",stamp.strftime("%Y")) # %Y 4位数年: 2021 print("%y 2位数年:",stamp.strftime("% 阅读全文
posted @ 2021-09-10 16:39 OTAKU_nicole 阅读(740) 评论(0) 推荐(0)
摘要:import matplotlib.pyplot as plt import pandas as pd from pandas import DataFrame df = DataFrame([[1,5,3,4], [4,1,2,1], [2,2,3,4], [2,3,2,1], [1,3,4,2] 阅读全文
posted @ 2021-09-10 12:06 OTAKU_nicole 阅读(190) 评论(0) 推荐(0)
摘要:import matplotlib.pyplot as plt import pandas as pd import numpy as np from pandas import Series, DataFrame # 线形图 s = Series(np.random.randn(10).cumsu 阅读全文
posted @ 2021-09-01 14:26 OTAKU_nicole 阅读(127) 评论(0) 推荐(0)