一. df. sort_values() 调用方式 DataFrame.sort_values(by, axis=0, ascending=True, inplace=False, kind='quicksort', na_position='last') axis：{0 or ‘index’, 1 or ‘columns’}, default 0，默认按照列排序，即纵向排序；如果为1，则是横向排序。 by：str or list of str；如果axis=0，那么by="列名"；如果axis=1，那么by="行名"。 ascendin...
lists = [1,3,4,5,6,7,9,2] # 切片 print lists[::-1] # 函数reverse 对数组进行操作 lists.reverse() print lists # 函数reversed 返回一个迭代对象，需要list化 print list(reversed(lists))
1、电脑下载一个最新型号匹配的固件备用 2、网线接入tenda任意一个LAN口 3、将电脑“本地连接”设置静态IP地址，192.168.0.1或者192.168.1.1是网关，也就是tenda的IP 4、ping下一，192.168.0.1或者192.168.1.1，哪个能ping通就用哪个网端 5、一直开着CMD来ping -t 192.168.1.1，保持ping通状态 6、插Reset孔不放，然后拔电再通电 7、观察ping结果，也就是在有ping结果(有字节、时间和TTL)的时候松开Reset孔 8、重新ping通后，打开浏览器进入192...
对于定义的字典data = { 'row1' : [1,2,3,4], 'row2' : ['a' , 'b' , 'c' , 'd'] }， 按照官方文档方法，将其转化为dataframe: 不定义列名时： pd.DataFrame.from_dict(data, orient='index') 结果如下： 0 1 2 3 row1 1 2 3 4 row2 a b c d 定义列名时： pd.DataFrame.from_dict(data, orie...
# -*- coding: utf-8 -*- # 定义一个字典 dic = {'剧情': 11, '犯罪': 10, '动作': 8, '爱情': 3, '喜剧': 2, '冒险': 2, '悬疑': 2, '惊悚': 2, '奇幻': 1} #通过list将字典中的keys和values转化为列表 keys = list(dic.keys()) values = list(dic.values()) # 结果输出 print("keys列表为：",end='') print(keys) ...
mydf = mydf.drop_duplicates(subset='列名')
# -*- coding: utf-8 -*- import datetime import arrow def getTime(flag, dayhourminute): ''' 获取几小时之前,几分钟前，几天前，几个月前，及几年前的具体时间 flag, 1:天；2：小时；3：分钟；4：月，5：年 :param flag: 1:天；2：小时；3：分钟；4：月，5：年 :param dayhourminute: 整数值 :return: ...
https://www.cnblogs.com/keye/p/10791705.html
#method1,直接重新命名df1的列名 df1.columns=['a','B','c'] #method2,指定修改某列或某几列名字 df1.rename(columns={'a':'A','b':'B'},inplace=True)
前堤条件：对于colums都相同的dataframe做过滤的时候 创建2个结构（列名）一致的DataFrame,df1和df2有1条重合的数据 import pandas as pd df1=pd.DataFrame([['a',10,'男'],['b',11,'女']],columns=['name','age','gender']) df2=pd.DataFrame([['a',10,'男']],columns=['name','age','gender']) df1 name age gender ...
>>> import pandas as pd >>> s1 = pd.Series([4,5,6,20,42]) >>> s2 = pd.Series([1,2,3,5,42]) # 求交集 # >>> pd.Series(list(set(s1).intersection(set(s2)))) 0 42 1 5 dtype: int64 # 求并集 # >>> pd.Series(list(set(s1).union(set(s2)))) 0 ...
pandas 实现通达信里的MFI 算法里的关键点: combine()和rolling().sum()方法 combine -- 综合运算, rolling().sum() -- 滚动求和 利用pd.Series的combine()方法, 可以对给定的两个序列执行元素级的操作. 该方法的签名为: Series.combine(self, other, func, fill_value=nan) 这里的func参数通常是一个lambda表达式: 比如: lambda x1, x2: 1.0 if x1>x2 else 0.0 利用自定义的lam...