检测缺失值 我们先创建一个带有缺失值的数据框(DataFrame)。 import pandas as pd df = pd.DataFrame( {'A': [None, 2, None, 4], 'B': [10, None, None, 40], 'C': [100, 200, None, 400], 'D': [None, 2000, 3000, None 继续阅读

简介：pandas 中的to_dict 可以对DataFrame类型的数据进行转换 可以选择六种的转换类型，分别对应于参数 ‘dict', ‘list', ‘series', ‘split', ‘records', ‘index'，下面逐一介绍每种的用法 ? 继续阅读

一、列转行 1、背景描述 在日常处理数据过程中，你们可能会经常遇到这种类型的数据： 而我们用pandas进行统计分析时，往往需要将结果转换成以下类型的数据： 2.方法描述 准备数据 df = pd.DataFrame({'姓名': ['A','B','C'], '英语':[90,60,70], 继续阅读

背景介绍 Pandas的DataFrame和Series在Matplotlib基础上封装了一个简易的绘图函数，使得数据处理过程中方便可视化查看结果。 折线图 import pandas as pd import numpy as np import matplotlib.pyplot as plt data=np.random.randn(5,2)*10 df=pd.DataFrame(np.abs(data),index=[1,2,3 继续阅读

数据合并是数据处理过程中的必经环节，pandas作为数据分析的利器，提供了四种常用的数据合并方式，让我们看看如何使用这些方法吧！ 1.concat() concat() 可用于两个及多个 DataFrame 间行/列方向进行内联或外联拼接操作，默认对行(沿 y 轴)取并集。 使用方式 pd.concat( objs: Union[Iterable[~FrameOrSeries], Mapping[Union[Hashable, N 继续阅读

pandas是一个高效的数据分析工具。基于其高度抽象的数据结构DataFrame（点击这里了解DataFrame数据结构），几乎可以对数据进行任何你想要的操作。 由于现实世界中数据源的格式非常多，pandas也支持了不同数据格式的导入方法，本文介绍pandas如何从csv文件中导入数据。 数据导入到pandas 从上图可以看出，我们要做的工作就是把存储在csv格式中的数据读入并转换成DataFrame格式。 p 继续阅读

本文将从多个方面详细阐述Python如何做表格，包括表格的创建、数据的插入、表格的样式设置等内容。 一、创建表格 要在Python中创建表格，我们可以使用第三方库Pandas。具体步骤如下： import pandas as pd # 创建一个空的DataFrame df = pd.DataFrame() # 添加列 df['姓名'] = ['张三', '李四', '王五'] df['年龄'] = ['18', '19', '2 继续阅读