python笔记

pip install -U --upgrade pandas

　　pip show pandas

　　pip list

　　pip list --outdated

　　pip install pandas

　　pip uninstall SomePackage

　　pip --help

　　pip install pkg_name --user

　　安装特定版本的package，通过使用==, >=, <=, >, <来指定一个版本号。

　　pip install 'Markdown<2.0'

　　pip install 'Markdown>2.0,<2.0.3'

　　-------------------

　　t=[exp for if ]

　　t=int(num + 1) if int(num) != num else int(num)

　　变量的赋值： 绑定/关联 对象的内存地址id   赋值即定义了变量

　　a=b=[1,2,3]

　　c=[1,2,3]

　　a is b

　　a is not c

　　a==b

　　a==c

　　is 对象相同即id值相同

　　== 是值相同

　　generator

　　yield

　　def fun1（）：

　　pass

　　yiled value1

　　pass

　　fun1 是一个特殊的function(有迭代功能)

　　fun1() 是一个特殊的function object=generator，

　　next send 逐次执行

　　到yield ，程序暂停，返回 value1 or send过来的其他值，等再次next or send，执行之后的语句

　　到 yield，若没有yiled了则抛出StopIteration

　　Iterator

　　格式限定符

　　'字串{:格式}'.format()

　　python中变量的交换可以不需要中间变量。

　　>>>x,y=1,2

　　>>>x,y=y,x

　　>>>x

　　2

　　>>>y

　　1

　　if [] {} 0 等都是 False

　　类型：可变，不可变

　　module class attribute method function

　　condition

　　not conditon

　　not '' true

　　not 'a' false

　　while true:

　　name=input()

　　if not name :break

　　dosomething()

　　from collections import Counter

　　str.count()

　　dfi[1].strftime('%Y-%m-%d')

　　Out[15]: '2015-10-02'



　　read_excel( index_col=1)

　　sr.name sr.index

　　df.index df.columns

　　df.index.set_names('a') or df.index.name='a'

　　df.set_index('date',inplace=True)

　　df.set_index(pd.date_range('2015.10.1',periods=len(df)))

　　df.index=df.date

　　df.index=df['column1']

　　var1=df['columns1']

　　df['column1']的其中一个元素变，df.index var1对应也变

　　df.index=df['column1'].copy(True) deepcopy就不会了。默认就是deepcopy

　　copy deepcopy

　　datetime_obj.strftime('')

　　df.date=pd.to_datetime(df['date'])

　　---------------------------------------------------------

　　df.groupby(func1) index的逐个元素作为func1的参数

　　g=df.groupby(df['a'].apply(lambda x:x>0))

　　g=df.groupby(df['a'].map(lambda x:x>0))

　　g=df.groupby(df['a']>0)

　　g=df.groupby(pd.Series(['a','a','b','c'])

　　df.groupby(cut())

　　df.groupby(qcut())

　　dataframegroupby.agg transform apply

　　-----------------------------------------------------------

　　np.random.randn(2,4)

　　np.arange(10).reshape(5,2)

　　range(10)

　　---------------------------

　　dfp3=pd.pivot_table(df,columns=['品名','型号'],aggfunc=np.sum)

　　dfp3=pd.pivot_table(df,columns='型号',aggfunc=np.sum)

　　or

　　dfp3=df.pivot_table(columns=['品名','型号'],aggfunc=np.sum)

------------------