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pip list --outdated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)
------------------
本站仅提供存储服务,所有内容均由用户发布,如发现有害或侵权内容,请
点击举报。