pandas使用笔记

日常使用遇到的一些遗忘点

持续更新…

---

更新计划：

---

Mon 11 Mon 18 Mon 25 April Mon 08 Mon 15 开始 中期 结束 现有任务 pandas 使用笔记更新计划

---

---

---

日期	信息点	说明
2019-03-08	data = pd.read_excel(‘ab.xls’, date_parser=[1])	第一列按照时间格式读取
2019-03-12	data.to_csv(’./a/{}’.format(i), index=0)	不保存索引列:连接
2019-03-12	df.rename(columns={‘A’:‘a’},inplace=True)	修改列名
2019-03-14	DataFrame.drop_duplicates(subset=None, keep=‘first’, inplace=False)	注意：Only consider certain columns for identifying duplicates, by default use all of the columns
2019-03-14	pd.to_datetime().format(’%m–>%H:%M’)	定制化的输出格式, 和pd.to_datetime(a, format=’%Y-’) 一样
2019-03-15	data[data.temp_interval<-2] = 0	不能使用 data[data.temp_interval<-2][temp_interval]= 0。这个是符合条件的行全部改变元素值为零（其中python2和python3不同版本pandas在datetime格式上的处理有所不同）Link
2019-03-18	pd.concat	类似于np.concatenate, 更加灵活， 发现行列更加自由， 可完全不相等、可以重复列名、索引名
2019-03-18	pd.sort_values	sort_values 慎用， 该函数只对指定列进行排序，其余未指定列不排序， 与之相似的sort_index 通过index对全局进行排序
2019-03-19	data = pd.read_excel(‘清华大学深圳研究生院.xls’, parse_dates=[0, 1, 2])	对0， 1， 2列进行日期格式解析。注意与 date_parser 区分，
2019-03-20	np.percentile	百分位数 Link
2019-03-20	pandas.Series.quantile	百分位数默认50%
2019-03-20	numpy中std()默认的是计算总体样本方差（除以n） Pandas中std()默认的是计算样本方差（除以n-1）	:ddof=0——>总体 ddof=1——>样本Link
2019-03-26	pandas特定位置插入一列	Link
2019-04-08	ret_df[[‘currentTemp’, ‘time’]] = ret_df[[‘currentTemp’, ‘time’]].astype(int)	改类型
2019-04-15	s.where	b.a.where(b.a > 3, 5, inplace=True) a列中大于3的数改成5