fyhub's blog

Appearance

Pandas使用 ​

py
pip install pandas
pip install pandas

数据读取 ​

1. 读取表格 ​

py
# -*- coding: utf-8 -*-
df = pd.read_csv(encoding='utf-8', filepath_or_buffer='xxx')


df = pd.read_excel('example.xlsx', usecols=['A', 'B'])
# -*- coding: utf-8 -*-
df = pd.read_csv(encoding='utf-8', filepath_or_buffer='xxx')


df = pd.read_excel('example.xlsx', usecols=['A', 'B'])

2.获取表头 ​

py
df.columns
df.columns

3.获取某一列去重后的值 ​

py
df['column_name'].unique()
df['column_name'].unique()

数据操作 ​

1.填充空数据 ​

py
df['pageUrl'].fillna('')
df['pageUrl'].fillna('')

2.修改某列的所有数据 ​

py
df['pageUrl'] = df['pageUrl'].map(lambda x: 'xxxx' + str(x))
df['pageUrl'] = df['pageUrl'].map(lambda x: 'xxxx' + str(x))

3.新建表格 ​

py
data = {
  'name': ['Alice', 'Bob', 'Charlie', 'David'],
  'age': [23, 30, 45, 25],
  'salary': [70000, 80000, 120000, 95000]
}

# 创建 DataFrame
df = pd.DataFrame(data)
data = {
  'name': ['Alice', 'Bob', 'Charlie', 'David'],
  'age': [23, 30, 45, 25],
  'salary': [70000, 80000, 120000, 95000]
}

# 创建 DataFrame
df = pd.DataFrame(data)

数据筛选 ​

1.筛选缺失的值 ​

py
df['年龄'].isna()
df['年龄'].isna()

2.筛选出不包含特定值的行 ​

py
df[~df['姓名'].isin(['张三'])]
df[~df['姓名'].isin(['张三'])]

3.筛选日期 ​

py
import datetime

# 将 'timestamp' 列转换为日期时间格式
df['timestamp'] = df['timestamp'].apply(lambda x: datetime.datetime.strptime(x, '%Y-%m-%d %H:%M:%S'))

# 提取 '年月日' 并去重
unique_days = df['timestamp'].dt.date.unique()
import datetime

# 将 'timestamp' 列转换为日期时间格式
df['timestamp'] = df['timestamp'].apply(lambda x: datetime.datetime.strptime(x, '%Y-%m-%d %H:%M:%S'))

# 提取 '年月日' 并去重
unique_days = df['timestamp'].dt.date.unique()

数据计算 ​

1.根据某种条件，对某一列求和 ​

py
df[df['关联需求类型'] == '业务需求']['实际工时'].sum()
df[df['关联需求类型'] == '业务需求']['实际工时'].sum()