摘要: 有如下表格,需要在最左侧新增一列为“序号”,编号从1开始 代码如下: #打开文件 import pandas as pd df = pd.read_excel(r'test.xlsx') #序号列为从1开始的自增列,默认加在dataframe最右侧 df['序号'] = range(1,len(df 阅读全文
posted @ 2021-04-12 11:37 俄勒冈序曲 阅读(7547) 评论(0) 推荐(0)
摘要: import os #获取文件夹下的所有文件名 lists = os.listdir(r'C:\123\456\789') #按照修改时间排序文件 lists.sort(key=lambda x:os.path.getmtime(r'C:\123\456\789' +'/'+x)) #得到最新文件的 阅读全文
posted @ 2021-01-28 15:24 俄勒冈序曲 阅读(1121) 评论(0) 推荐(1)
摘要: Excel中可以直接实现升序和降序排列,无法直接实现乱序。 实现乱序需要借助随机数RAND()函数 例如以下表格 若要对其实现乱序,在旁边插入一列随机数 然后对随机数进行升序或降序排列 最后删除B列即可 阅读全文
posted @ 2021-01-28 15:10 俄勒冈序曲 阅读(1811) 评论(0) 推荐(0)
摘要: 在Jupyter或其他环境中,若DataFrame有很多行,默认显示前5行和后5行,中间的数据用省略号表示 如果想要显示所有的行和列,需加上如下代码: pd.options.display.max_columns = None pd.options.display.max_rows = None 阅读全文
posted @ 2021-01-27 17:46 俄勒冈序曲 阅读(2794) 评论(0) 推荐(0)
摘要: 最近遇到一个场景,需要从excel表中选取或剔除部分符合条件的数据。并且条件为离散值。 例如有一个成绩表,记录一个年级中600位同学的各科成绩,最左边一列为姓名,因此这列每个值都不相同。如果有一列100人的名单,从600人的大表中找出这100人的成绩记录,如何实现呢? 我们先看看一条的情况。 找出张 阅读全文
posted @ 2021-01-27 17:11 俄勒冈序曲 阅读(2838) 评论(0) 推荐(0)
摘要: 我们需要从Linux服务器上下载文件夹时,若文件夹内小文件较多,往往下载慢,例如日志文件夹。下载前将文件夹打包是个比较好的选择 下面提供两种压缩文件夹的方式: 1.使用WinSCP客户端 右键需要压缩的文件夹,文件自定义命令-压缩并下载。在跳出的对话框中输入压缩后的文件名 此方法不需要手动敲命令,可 阅读全文
posted @ 2021-01-17 12:01 俄勒冈序曲 阅读(1222) 评论(0) 推荐(0)
摘要: 一般来说python发邮件使用smtplib库。 yagmail可以更简单地实现自动发邮件功能。 # 安装pip install yagmail# 导入import yagmail #如果是163邮箱,password处填写授权码,而不是密码 yag=yagmail.SMTP(user="user@ 阅读全文
posted @ 2021-01-17 11:12 俄勒冈序曲 阅读(117) 评论(0) 推荐(0)
摘要: 问题 安装好Mysql和DBeaver后,用DBeaver连接Mysql,出现Public Key Retrieval is not allowed 解决方案 右键点击“编辑连接”,选择“驱动属性”,设置 allowPublicKeyRetrieval 的值为 true 阅读全文
posted @ 2021-01-13 17:14 俄勒冈序曲 阅读(1378) 评论(0) 推荐(0)
摘要: 由于画图时plt.title()默认是显示英文,如果我们设置标题为中文,会无法显示,如图: 在最前边设置这两条属性即可: plt.rcParams['font.sans-serif']=['SimHei'] plt.rcParams['axes.unicode_minus'] = False 阅读全文
posted @ 2020-05-10 15:47 俄勒冈序曲 阅读(1712) 评论(0) 推荐(0)
摘要: Python 有办法将任意值转为字符串:将它传入repr() 或str() 函数。 函数str() 用于将值转化为适于人阅读的形式,而repr() 转化为供解释器读取的形式。 对于数值类型、列表类型,str和repr方法的处理是一致;而对于字符串类型,str和repr方法处理方式不一样。 repr( 阅读全文
posted @ 2019-11-12 21:03 俄勒冈序曲 阅读(888) 评论(0) 推荐(0)