pandas学习(四)之数据填充
各种数据的自动填充
(写入excel or csv)
import pandas as pd
import datetime as datepd #日期模块
path='C:/newapp01/python_file/pandas_file/test01.xlsx'
data=pd.read_excel(path,skiprows=1,usecols='B:E',dtype={'序号':str,'性别':str,'日期':str}) #skiprows自动跳过几行,usecols选中列的作用域
dateori=datepd.date(2022,4,19)def month_add(date,month):year=month//12month=date.month + month %12if month !=12:year=year+month//12month=month%12return datepd.date(date.year+year,month,date.day)
#at的作用是获取某个位置的值
for i in data.index:data['序号'].at[i]=i+1data['性别'].at[i]='男' if i%2==0 else '女'#data['日期'].at[i]=dateori+datepd.timedelta(days=i)#data['日期'].at[i] = datepd.date(dateori.year+i,dateori.month,dateori.day)data['日期'].at[i] =month_add(dateori,i)
data.set_index('序号',inplace=True) #将序号设置为索引
data.to_excel(path) #写入excel
print(data)#csv文件,不需要设置skiprow,usecol等属性
# path='C:/newapp01/python_file/pandas_file/test01.csv'
# data=pd.read_excel(path,dtype={'序号':str,'性别':str,'日期':str})
# data.to_csv(path)
排序:
data.sort_values(by=‘字段’,inplace=True,ascending=False,axios=1)
#inpalce为true会对原始数据进行修改
删除drop
data.drop(labels=['语文‘,’数学‘],axios=1)
pandas学习(四)之数据填充相关推荐
- python学习四(处理数据)
python学习四(处理数据) head first python中的一个数据处理的例子 有四个U10选手的600米成绩,请取出每个选手跑的最快的3个时间.以下是四位选手的9次成绩 James 2-3 ...
- Pandas学习——处理缺失数据
缺失值的统计和删除 缺失信息的统计 缺失数据可以使用 isna 或 isnull (两个函数没有区别)来查看每个单元格是否缺失,结合 mean 可以计算出每列缺失值的比例: df = pd.read_ ...
- pandas学习task10时序数据
这是在datawhale学习小组学习pandas的第十章内容,时序数据,以下是学习笔记,仅供参考,不喜勿喷 DataWhale 第十章 时序数据 import numpy as np import p ...
- 数据分析之pandas学习笔记(六)(层次化索引、重塑、轴向旋转、行列变换、合并表数据)
数据分析之Pandas学习笔记(六)(层次化索引.重塑.轴向旋转.行列变换.合并表数据) level层次化索引 unstack()与stack()进行重塑,即:行列索引变换 swaplevel()交换 ...
- pandas学习(创建多层索引、数据重塑与轴向旋转)
pandas学习(创建多层索引.数据重塑与轴向旋转) 目录 创建多层索引 数据重塑与轴向旋转 创建多层索引 隐式构造 Series 最常见的方法是给DataFrame构造函数的index参数传递两个或 ...
- Data Whale第20期组队学习 Pandas学习—缺失数据
Data Whale第20期组队学习 Pandas学习-缺失数据 一.缺失值的统计和删除 1.1 统计缺失信息 1.2 删除缺失信息 二.缺失值的填充和插值 2.1 利用fillna进行填充 2.2 ...
- Data Whale第20期组队学习 Pandas学习—时序数据
Data Whale第20期组队学习 Pandas学习-时序数据 一.时序中的基本对象 二.时间戳 2.1 Timestamp的构造与属性 2.2 Datetime序列的生成 2.3 dt对象 2.4 ...
- pandas使用pct_change函数计算数据列的百分比变化:计算当前元素和前一个元素之间的百分比变化(包含NaN值的情况以及数据填充方法)
pandas使用pct_change函数计算当前元素和前一个元素之间的百分比变化:默认情况下pct_change函数计算与紧邻前一行相比的百分比变化.计算当前元素和前一个元素之间的百分比变化(包含Na ...
- pandas学习(数据分组与分组运算、离散化处理、数据合并)
pandas学习(数据分组与分组运算.离散化处理.数据合并) 目录 数据分组与分组运算 离散化处理 数据合并 数据分组与分组运算 GroupBy技术:实现数据的分组,和分组运算,作用类似于数据透视表数 ...
- 数据分析(六)之pandas学习【Series创建、切片、索引和读取外部数据】
数据分析学习线路图 为什么要学习pandas? 那么问题来了:numpy已经能够帮助我们处理数据,能够结合matplotlib解决我们数据分析的问题,那么pandas学习的目的在什么地方呢? nump ...
最新文章
- JAVA IO流复制文件夹及里面的所有文件
- python3笔记_python3基础笔记(一)
- Java 日志框架适配/冲突解决方案(值得收藏)
- TensorFlowSharp入门使用C#编写TensorFlow人工智能应用
- vue-cli安装、node-sass安装、mintUI组件库安装
- mysql linux 使用索引_正确使用MySQL索引
- maven pom resources标签的使用示例
- antd vue 树更新数据后不展开_很全面的vue面试题总结
- Unity中的SystemInfo.deviceUniqueIdentifier 唯一ID
- 国际站html代码,国际站必须看得懂的HTML代码
- python怎么填充画布_如何在kivy中用图像填充画布?
- P1420 最长连号(python3实现)
- 玩转Bootstrap(JS插件篇)-第1章 模态弹出框 :1-2 动画过渡
- Arthas java性能调优/接口优化
- android文献翻译,Android外文文献翻译
- 虚拟变量陷阱原理及算例
- maven deploy 时报错-repository element was not specified in the POM inside distributionManagement eleme
- 题解 CF722E 【Research Rover】
- 话费充值api接口 手机话费充值功能接入
- iOS控件使用和多样布局