Pandas 33个冷知识 0721

Pandas 33个冷知识

  1. 从Excel读取数据 : 使用 pd.read_excel('file.xlsx') 来读取Excel文件。

  2. 写入Excel : 使用 df.to_excel('file.xlsx', index=False) 将DataFrame写入Excel文件。

  3. 创建日期索引 : 使用 df.set_index(pd.to_datetime(df['date'])) 创建日期索引。

  4. 向后填充缺失值 : 使用 df.fillna(method='bfill') 向后填充缺失值。

  5. 按索引选取多行 : 使用 df.loc[[1, 2, 5]] 按索引选取多行。

  6. 按位置选取多行 : 使用 df.iloc[[0, 2, 4]] 按位置选取多行。

  7. 创建空Series : 使用 pd.Series(dtype='float64') 创建一个空Series。

  8. 重置列顺序 : 使用 df = df[['col2', 'col1']] 重新排列DataFrame的列顺序。

  9. 按多列排序 : 使用 df.sort_values(by=['col1', 'col2'], ascending=[True, False]) 按多列排序。

  10. 按列查找最大值的行 : 使用 df.loc[df['col'].idxmax()] 查找列中最大值所在的行。

  11. 按列查找最小值的行 : 使用 df.loc[df['col'].idxmin()] 查找列中最小值所在的行。

  12. 按条件删除行 : 使用 df.drop(df[df['col'] < 10].index) 按条件删除行。

  13. 按条件更新值 : 使用 df.loc[df['col'] < 10, 'col'] = 10 按条件更新值。

  14. 按列计算累计最大值 : 使用 df['cummax'] = df['col'].cummax() 计算列的累计最大值。

  15. 按列计算累计最小值 : 使用 df['cummin'] = df['col'].cummin() 计算列的累计最小值。

  16. 按列计算累计乘积 : 使用 df['cumprod'] = df['col'].cumprod() 计算列的累计乘积。

  17. 计算百分比变化 : 使用 df['pct_change'] = df['col'].pct_change() 计算列的百分比变化。

  18. 滚动窗口最大值 : 使用 df['rolling_max'] = df['col'].rolling(window=3).max() 计算滚动窗口最大值。

  19. 滚动窗口最小值 : 使用 df['rolling_min'] = df['col'].rolling(window=3).min() 计算滚动窗口最小值。

  20. 检测重复值 : 使用 df.duplicated() 检测重复值。

  21. 删除所有重复值 : 使用 df.drop_duplicates() 删除所有重复值。

  22. 替换值中的空字符串 : 使用 df.replace('', np.nan, inplace=True) 替换值中的空字符串。

  23. 数据透视表(多值) : 使用 pd.pivot_table(df, values=['val1', 'val2'], index='col1', columns='col2') 创建数据透视表。

  24. 分组并计算自定义函数 : 使用 df.groupby('col').apply(lambda x: x.max() - x.min()) 进行分组并计算自定义函数。

  25. 扩展列表到多行 : 使用 df.explode('col') 将列表扩展到多行。

  26. 按列计算频率表 : 使用 pd.crosstab(df['col1'], df['col2']) 计算频率表。

  27. 将列名改为小写 : 使用 df.columns = df.columns.str.lower() 将所有列名改为小写。

  28. 将列名改为大写 : 使用 df.columns = df.columns.str.upper() 将所有列名改为大写。

  29. 按列值绘制直方图 : 使用 df['col'].hist() 绘制列值的直方图。

  30. 按列值绘制密度图 : 使用 df['col'].plot(kind='kde') 绘制列值的密度图。

  31. 按列值绘制箱线图 : 使用 df.boxplot(column='col') 绘制列值的箱线图。

  32. 按列值绘制散点图 : 使用 df.plot.scatter(x='col1', y='col2') 绘制列值的散点图。

  33. 数据框列值字符串替换 : 使用 df['col'].str.replace('old', 'new') 替换列中的字符串。

相关推荐
TomEval3 小时前
【测AI】第26篇:线上模型监控与告警体系 — 测试不是终点
人工智能·python·功能测试·ai
prince_zxill4 小时前
PEP 751 pylock.toml 实测:pip 26.3 装 6 个包版本全钉死,但 [web] 选不中任何东西
python·pip·依赖管理·pep 751
ShineWinsu5 小时前
对于Qt:QFormLayout常见属性以及方法的解析
开发语言·c++·qt·面试·客户端·表单·qformlayout
Thanks_ks6 小时前
Python 的垃圾回收——引用计数撑起日常,分代回收收拾残局
python·内存管理·垃圾回收·循环引用·引用计数·gc 模块·weakref
CyrusYiVPP6 小时前
实测 uv 0.13.7:同一套包,pip 装 94 秒,它只用 19 秒
人工智能·python
yiangL_6 小时前
Python 学习笔记:递归、turtle绘图、字符串与函数
笔记·python·学习
lula8887 小时前
PVC-U、PVC-C、PVC-O 差一个字母,差的是三种增强路线
python
数字工作台8 小时前
给 LangGraph 加一道可审计记忆:替换默认 Checkpointer,实现防篡改 + 崩溃不丢数据
python·agent
DKPT9 小时前
Python 的 Web 框架:选型选错的人,都踩了同一个坑
python
2401_868534789 小时前
逻辑网络设计
网络·python