摘要：#设置轴标题 #画布设置颜色和大小 #折线图设置标记样式，,mfc='w'表示空心 import matplotlib.pyplot as plt x=[1,2,3,4,5] y=[2,10,6,7,17] plt.rcParams['font.sans-serif']=['SimHei'] plt
阅读全文
11 2022 档案
摘要：#画布设置颜色和大小 #折线图设置标记样式，,mfc='w'表示空心 import matplotlib.pyplot as plt x=[1,2,3,4,5] y=[2,10,6,7,17] plt.figure(facecolor='yellow',figsize=(5,3)) plt.plot
阅读全文
摘要：#散点图,设置标记样式 import matplotlib.pyplot as plt x=[1,2,3,4,5] y=[2,10,6,7,17] plt.plot(x,y,"r1") #r表示颜色，1表示标记样式（下花三角标记） plt.show() #折线图设置标记样式，,mfc='w'表示空心
阅读全文
摘要：#设置表颜色和线条灰度值 import matplotlib. pyplot as plt x=[1, 2, 3, 4, 5] y=[10, 20, 30, 40, 50] plt.plot(x,y,color='0.7',linestyle='-.') #设置灰度值为0.7，线条样式为-. plt
阅读全文
摘要：# 绘制简单图表 import matplotlib.pyplot as plt plt.plot([1,2,3,4,5]) plt.show() #散点图 import matplotlib.pyplot as plt plt.plot([1,2,3,4,5],[2,10,6,7,11],'ro'
阅读全文
摘要：import pandas as pd pd.set_option('display.unicode.east_asian_width',True) # 规整格式 df=pd.read_excel('电脑配件销售记录.xlsx') print(df.head()) df.to_html('电脑配件销
阅读全文
摘要：#移动窗口数据计算 import pandas as pd index=pd.date_range('2020-1-1',periods=15,freq='D') #创建Series对象 s=pd.Series(data=[3,6,7,4,2,1,3,8,9,10,12,15,13,22,14],i
阅读全文
摘要：#统计数据的open,close,high,low的值 import pandas as pd index=pd.date_range('2020-2-3',periods=12,freq='T') #从2020-2-3开始，12个数，间隔为1分钟 s=pd.Series(range(12),ind
阅读全文
摘要：import pandas as pd index=pd.date_range('2020-1-1',periods=2) s=pd.Series(range(1,3),index=index) #升采样 #s.resample('6H').asfreq() #使用前值填充 #s.resample(
阅读全文
摘要：import pandas as pd pd.set_option('display.unicode.east_asian_width',True) # 规整格式 df=pd.read_excel('msb课程记录.xls') df=df.set_index('订单付款时间') #df.head()
阅读全文
摘要：#将一分钟时间序列转换成3分钟, index=pd. date_range('2021-1-1', periods=9, freq='T') s=pd.Series (data=range (9), index=index) #产生3分钟的序列, #s. resample (rule=' 3T',
阅读全文
摘要：# data_range()函数的使用 import pandas as pd pd.date_range("2021-1-1",periods=10,freq="W") DatetimeIndex(['2021-01-03', '2021-01-10', '2021-01-17', '2021-0
阅读全文
摘要：#按时期统计并显示数据 import pandas as pd pd.set_option('display.unicode.east_asian_width',True) # 规整格式 df=pd.read_excel('msb课程销售记录.xlsx') #df.head() df=df[['订单
阅读全文
摘要：#按不同时期统计数据 import pandas as pd pd.set_option('display.unicode.east_asian_width',True) # 规整格式 df=pd.read_excel('日期.xlsx') df=df.set_index('订单付款日期.xlsx'
阅读全文
摘要：#获取指定区域的数据 import pandas as pd pd.set_option('display.unicode.east_asian_width',True) # 规整格式 df=pd.read_excel('msb课程销售记录.xlsx') #df.head() df=df[['订单付
阅读全文
摘要：# #dt对象的使用 import pandas as pd pd.set_option('display.unicode.east_asian_width',True) # 规整格式 df=pd.read_excel('日期.xlsx') df['日期']=pd. to_datetime (df[
阅读全文
摘要：##将各种日期字符串转成日期格式 #将各种日期字符串转成日期格式 import pandas as pd pd.set_option('display.unicode.east_asian_width',True) # 规整格式 df=pd.DataFrame({'原日期':['14-Feb-20'
阅读全文
摘要：# #导出到csv文件 import pandas as pd df=pd.DataFrame( {'编号':['1001','1002','1003'], '姓名':['张三','李四','王五'], '总成绩':[740,658,543] }) df #导出到csv文件，不显示索引，导出列为['
阅读全文
摘要：##数据导出，保存成Excel文件 #数据导出，保存成Excel文件 import pandas as pd df=pd.DataFrame( {'编号':['1001','1002','1003'], '姓名':['张三','李四','王五'] }) df df.to_excel('数据导出-学生
阅读全文
摘要：#纵向表合并--行相加 #concat方法,纵向数据合并(表结构相同,首尾相连) import pandas as pd df1=pd.read_excel('数据合并concat.xlsx', sheet_name='Sheetl') df2=pd.read_excel('数据合并concat.x
阅读全文
摘要：#数据合并一对一 #相同的列进行合并 import pandas as pd df1=pd.read_excel('student1.xlsx') df2=pd.read_excel('student2.xlsx') #dfl #测试数据读取 #数据合并 new_df=pd.merge(df1,df
阅读全文
摘要：#数据位移 #数据位移 import pandas as pd data=[7532, 3937, 9447, 8765, 4564] index=[1, 2, 3, 4, 5] df=pd. DataFrame (data=data, index=index, columns=['OPPO' ])
阅读全文
摘要：#通过字典进行分组统计 #通过字典进行分组统计 import pandas as pd pd.set_option ( 'display.unicode.east_asian_width', True) pd.set_option ('display.max_columns',500) pd.set
阅读全文
摘要：#自定义函数实现分组统计 #能过自定义的函数实现分组统计 import pandas as pd df=pd.read_excel('电脑配件销售记录.xlsx') #print (df. head ())) #回顾知识点 # print (type (df['产品名称'])) #Series pr
阅读全文
摘要：##分组对列采用聚合函数 #分组对列采用聚合函数 import pandas as pd pd.set_option ('display.unicode.east_asian_width',True) df=pd.read_excel('电脑配件销售记录.xlsx') #print(df.head(
阅读全文
摘要：##分组数据选代 (遍历分组) for name, group in df1.groupby('产品名称'): #分组数据选代 #分组并按指定列进行计算 import pandas as pd pd.set_option ('display.unicode.east_asian_width',Tru
阅读全文
摘要：##按照一列分组统计 #按照一列分组统计 import pandas as pd pd.set_option ('display.unicode.east_asian_width',True) df=pd.read_excel('电脑配件销售记录.xlsx') print (df) print ('
阅读全文
摘要：#apply(), map(), applymap()区别 apply()可用于Series和DataFrame，DataFrame只能运用到一行或一列，如合计的新增列 map()只适用于Series applymap()将函数应用到DataFrame中的每一个元素中 # apply(), map(
阅读全文
摘要：##设置千位分隔符 apply() #设置千位分隔符 apply() import pandas as pd pd.set_option ('display.unicode.east_asian_width',True) df=pd.read_excel ('msb课程记录.xls') print
阅读全文
摘要：# apply()设置百分比 map ()设置百分比 #设置百分比 import pandas as pd df=pd.read_excel ('格式化数据.xls') print (df) print('1. apply()设置百分比 ') df['百分比']=df ['A1']. apply (
阅读全文
摘要：#设置小数位数 import pandas as pd pd.set_option ('display.unicode.east_asian_width', True) df=pd.read_excel('格式化数据.xls') print (df) print (df.round(2)) #对df
阅读全文
摘要：#求标准差 #求标准差 import pandas as pd pd.set_option ('display.unicode.east_asian_width', True) data=[[100,90,100],[100,76,76],[76,90,76]] columns=['数学','语文'
阅读全文
摘要：#求众数 import pandas as pd pd.set_option ('display.unicode.east_asian_width', True) data=[[100,90,100],[100,76,76],[76,90,76]] columns=['数学','语文','英语']
阅读全文
摘要：#最大最小值-中位数 import pandas as pd pd.set_option ('display.unicode.east_asian_width', True) data=[[100,90,80],[98,67,56],[56,56,45]] columns=['数学','语文','英
阅读全文
摘要：#求和 和 计算平均值 import pandas as pd pd.set_option ('display.unicode.east_asian_width', True) data=[[100,90,80],[98,67,56],[56,56,45]] columns=['数学','语文','
阅读全文
摘要：#按某列数据大小排名 import pandas as pd pd.set_option('display.unicode.east_asian_width',True) # 规整格式 df=pd.read_excel('电脑配件销售记录.xlsx') df['顺序排名']=df['数量'].ran
阅读全文
摘要：#按某列降序排序 import pandas as pd pd.set_option('display.unicode.east_asian_width',True) # 规整格式 df=pd.read_excel('电脑配件销售记录.xlsx') print(df.head()) #head()
阅读全文
摘要：#设置某列为行索引 import pandas as pd df=pd.read_excel('msb课程记录.xls') #print(df) df=df.set_index (['买家会员名']) print(df) 买家实际支付金额 课程总数量 课程标题 类别 \ 买家会员名 msb001 3
阅读全文
摘要：#重新设置索引,多出的索引数据填充 #重新设置索引,多出的索引数据填充 import pandas as pd s=pd.Series([11, 22, 33], index=[1,2,3]) print(s) #重新设置索引 print(s.reindex(range(1, 6))) #多出来两为
阅读全文
摘要：#查看空值情况 import pandas as pd pd.set_option("display.unicode.east_asian.width",True) df=pd.read_excel('msb课程记录.xls') print(df) print(' ') print(df.info(
阅读全文
摘要：#删除数据 import pandas as pd pd.set_option('display.unicode.east_asian_width',True) data=[[45,65,100],[56,45,50],[67,67,67]] index=['张三','李四','王五'] colum
阅读全文
摘要：#修改行索引 #数据的修改,修改行索引标题 import pandas as pd pd.set_option('display.unicode.east_asian_width',True) data=[[45,65,100],[56,45,50],[67,67,67]] index=['张三',
阅读全文
摘要：#按列增加 #数据的增加-按列增加 import pandas as pd pd.set_option('display.unicode.east_asian_width',True) data=[[45,65,100],[56,45,50],[67,67,67]] index=['张三','李四'
阅读全文
摘要：#按条件提取数据 import pandas as pd pd.set_option('display.unicode.east_asian_width',True) data=[[45,65,100],[56,45,50],[67,67,67]] index=['张三','李四','王五'] co
阅读全文
摘要：#提取区域数据 import pandas as pd pd.set_option('display.unicode.east_asian_width',True) data=[[45,65,100],[56,45,50],[67,67,67]] index=['张三','李四','王五'] col
阅读全文
摘要：数据抽取. DataFrame对象的loc属性与iloc属性. loc属性 以列名(columns)和行名(index)作为参数,当只有一个参数时,默认是行名,即抽取整行数据,包括所有列。 iloc属性 以行和列位置索引(即:0,1,2,.)作为参数,0表示第一行,1表示第2行,以此类推。当只有一个
阅读全文
摘要：*导入CSV文件. pd.read_csv(filepath_or_buffer,sep=',header,encoding=None) 常用参数说明.# filepath_or_buffer:字符串、文件路径,也可以是URL链接# sep:字符串、分隔符.# header:指定作为列名的行,默认值
阅读全文
摘要：导入外部数据 导入.xls或.xlsx文件. pd.read_excel(io,sheet_name,header)常用参数说明. io:表示.xls或.xlsx文件路径或类文件对象. sheet_name:表示工作表,取值如下表所示. header:默认值为0,取第一行的值为列名,数据为除列名以外
阅读全文
摘要：import pandas as pd data=[['小太阳',320.9, 100], ['鼠标', 150.3, 50], ['小刀', 1.5, 200]] columns=['名称','单价','数量'] df=pd. DataFrame (data=data, columns=colum
阅读全文
摘要：#字典方式创建DataFrame对象 #如果某列数据相同，写一个值就可以 import pandas as pd data= {'名称':['小太阳','鼠标','小刀'],'单价':[320.9,150.3,1.5], '数量': [100,50,200]} df=pd. DataFrame (d
阅读全文
摘要：# #列表方式创建DataFrame对象 import pandas as pd data=[['小太阳',320.9, 100], ['鼠标', 150.3, 50], ['小刀', 1.5, 200]] columns=['名称','单价','数量'] df=pd. DataFrame (dat
阅读全文
摘要：2) pandas中NoneSnp.nan的操作 isnull () notnull () dropna () :过滤丢失数据 fillna () :填充丢失数据 (1)判断函数 isnull () . notnull（) (2)过滤函数
阅读全文
摘要：1. pandas. 构造: Series一维数组,类似字典 Series (data, index) Series (data=dic, index) 读取DataFrame的一列 索引访问: 字典访问: s[key] 下标访问: s[index] loc访问:s. loc [key] iloc访
阅读全文
摘要：(1) DataFrame之间的运算同Series一样: . 在运算中自动对齐相同索引的数据. 如果索引不对应,则补NaN DataFrame和一个数、numpy 广播机制 DataFrame和数组(Series) 索引对齐, axis控制方向 DataFrameDataFrame 索引对齐,不分方
阅读全文
摘要：2) DataFrame的索引 (1)对列进行索引 -通过类似字典的方式 -通过属性的方式 可以将DataFrame的列获取为一个Series。返回的Series拥有原DataFrame相同的索引,且name属性也已经设置好了,就是相应的列名。 (2)对行进行索引 -使用.ix[]来进行行索引使用.
阅读全文
摘要：1) DataFrame的创建 最常用的方法是传递一个字典来创建。DataFrame以字典的键作为每一【列】的名称,以字典的值(一个数组)作为每一列。 此外,DataFrame会自动加上每一行的索引(和Series一样)。 同Series一样,若传入的列与字典的键不匹配,则相应的值为NaN。 #数据
阅读全文
摘要：4) Series的运算 (1)适用于numpy的数组运算也适用于Series (2) Series之间的运算. 在运算中自动对齐不同索引的数据. 如果索引不对应,则补NaN 注意:要想保留所有的index,则需要使用 （意思是没有相同的显示索引时，前面数有值，后面数无值导致无法计算输出NaN，如果
阅读全文
摘要：3) Series的基本概念 可以把Series看成一个定长的有序字典 可以通过shape, size, index,values等得到series的属性 可以使用head(),tail()分别查看前n个和后n个值 当索引没有对应的值时,可能出现缺失数据显示NaN (not a number )的情
阅读全文
摘要：#其他访问方式，列表和numpy的访问方式完全适用于Series arr =np.random.randint(0,100,size=5) arr array([38, 15, 10, 85, 81]) s=Series(data=arr,index=["tom", "lucy", "mery",
阅读全文
摘要：1.Series Series是一种类似于一维数组的对象,由下面两个部分组成: #values :-组数据(ndarray类型) #index :相关的数据索引标签 一维数组:有序的数据类型相同的集合 Series: 一维数组的强化版,增加了像字典一样的key-value的访问机制,同时也保留了数组
阅读全文
摘要：1,查看文档: shift+tab 2,输入输出历史: In Out 3. %time %timeit %%time %%timeit numpy: 1,特点:数据类型相同的有序的数据集合,如果初始化的数据类型不同,会强制类型统一 优先级: str >float > int 2.构造: np. ar
阅读全文
摘要：3.其他聚合操作 Function Name NaN-safe Version Description np. sum np. nansum Compute sum of elements #求和 np. prod np. nanprod Compute product of elements #求
阅读全文
摘要：3.变形 使用reshape函数,注意参数是一个tuple! #产生0-10的随机整数 arr6 = np.random.randint(0,10,size=(20)) arr6 array([2, 8, 9, 6, 2, 6, 6, 1, 0, 1, 3, 5, 1, 3, 8, 5, 0, 8,
阅读全文
摘要：三、ndarray的基本操作 索引和切片 1.索引维与列表完全一致 多维时同理 2.切片维与列表完全一致多维时同理 将数据反转,例如[1,2,3] >[3,2,1] 两个::进行切片 1.索引维与列表完全一致 多维时同理 #列表的访问方式 arr2 = np.array ([[1, 2, 3], [
阅读全文
摘要：1.numpy数组用列表直接创建 import numpy as np age=[15,16,18] #创建列表，后面赋值列表 array3=np.array(age,dtype=np.float64) #用自带的 np.float64 比较全面 array3 array([15., 16., 18
阅读全文
摘要：一.创建Array 使用np.array()由python list创建 C 数组的概念:数据类型一致的一个连续的内存空间 python list 列表 (C语言说:列表其实就是一个指针数组),列表不要求数据类型一致, numpy的构建是采用c语言，数组类型要保持一致 numpy默认ndarray的
阅读全文
摘要：二. IPython 的使用技巧 #通过命令来获得帮助文档 1.使用help() #示例 help(len) 2.使用? #示例 len? 3. shift+tab 查看文档 #示例 len() #按shift+tab #tab代码自动补全 按 TAB键 实现代码补全 三. IPython的魔法命令
阅读全文
摘要：cell单元格 单元格有两个【状态】: 选中状态:没有光标闪动,此出可以对整个单元格操作,比如洲除单元格、新增一个单元格、复制、枯贴、被销、切换模式... 编辑状态:能看到光标在闪动, 此时可以在单元格内部写代码或文本 编姆状态 >选中状态 按下ESC 选中状态一>编料状态 按下Enter 单元络有
阅读全文
摘要：1.使用pip安装jupyter拓展包，本人选择在cmd中安装 pip install jupyter_contrib_nbextensions 2.配置 nbextension，前提是先关闭jupyter notebook jupyter contrib nbextension install -
阅读全文
摘要：如何创建Series对象 pd.Series(data,index=index) 1. import pandas as pd data=['李光地','张红云','王鹏'] #data翻译为数据，给变量赋值 s=pd.Series(data=data,index=[1, 2, 3]) #给索引赋值
阅读全文
摘要：#批量处理单元格判断数据，分数筛选 function 分数筛选(){ var Arr1=[]; var Arr2=Range("a2:b13").Value(); for (var ar of Arr2){ if (ar[1]>=100){ Arr1.push(ar) //数组中添加元素 } } R
阅读全文
摘要：#批量拆分工作表 function 批量拆分工作表(){ for (var sh of Sheets){ sh.Copy(); ActiveWorkbook.SaveAs("F:\\JavaScriptworkbook\\"+sh.Name) ActiveWorkbook.Close(); } }
阅读全文
摘要：#6.批量创建工作簿 function 批量创建工作簿(){ for(var city of ["成都","上海","北京"]){ Workbooks.Add(); ActiveWorkbook.SaveAs("F:\\JavaScriptworkbook\\"+city); //增加工作表时，直接
阅读全文
摘要：#批量创建工作表 function 批量创建工作表(){ for(var city of ["成都","上海","北京"]){ //遍历选中的列数据 Worksheets.Add(); //按列表添加工作表 ActiveSheet.Name=city; //增加工作表时，直接加上名字 } }
阅读全文
摘要：# function test9() { for (var score of Range("b2:b17")){ //遍历选中的列数据 if (score.Value2>=90){ //判断成绩是否大于90 Console.log("优秀") //判断大于90为优秀 } else { Console
阅读全文
摘要：function test1() //循环列表 { for (var txt of ["张三","李四","王麻子"]){ Console.log(txt) //立即窗口显示 } } function test2() //循环字符串 { for (var txt of "javascript"){
阅读全文
摘要：#//在本工作簿路径下新增工作簿并输入数据 //在本工作簿路径下新增工作簿并输入数据 function test() //声明函数，函数名字为text { var wb=ThisWorkbook; //赋值ThisWorkbook 当前点击的工作簿 var ph=wb.Path; //获取工作表路径
阅读全文
摘要：JavaScript 菜鸟教程网站，主要学习语法 https://www.runoob.com/js/js-tutorial.html JavaScript WPS开发文档 主要查看WPS API 表格具体介绍用法 https://open.wps.cn/docs/client/wpsLoad
阅读全文
摘要：#获取表格单元格，修改字体样式 修改字体样式 Font(name=字体名称,size=字体大小,bold=是否加粗,italic=是否斜体,color=字体颜色) 获取表格中字体的样式 cell.font.属性 设置对齐样式 Alignment(horizontal=水平对齐方式,vertical=
阅读全文
摘要：#找到每条41码的鞋子的信息添加到新的表 #coding:utf-8 import openpyxl #导入库 workbook=openpyxl.load_workbook('京东鞋子评论信息.xlsx') #加载工作簿 sheet=workbook['mysheet'] #获取工作表 #获取所有
阅读全文
摘要：创建工作表 workbook.create_sheet(sheet名称) 删除工作表 workbook.remove(sheet实例) 复制工作表 workbook.copy_worksheet(sheet实例) 修改工作表名称 sheet.title 冻结窗格 sheet.freeze_panes
阅读全文
