pip install -U --upgrade pandas pip show pandas pip list pip list --outdated pip install pandas pip uninstall SomePackage pip --help pip install pkg_name --user 安裝特定版本的package,通過使用==, >=, <=, >, <來指定一個(gè)版本號。 pip install 'Markdown<2.0' pip install 'Markdown>2.0,<2.0.3' ------------------- t=[exp for if ] t=int(num + 1) if int(num) != num else int(num) 變量的賦值: 綁定/關(guān)聯(lián) 對象的內(nèi)存地址id 賦值即定義了變量 a=b=[1,2,3] c=[1,2,3] a is b a is not c a==b a==c is 對象相同即id值相同 == 是值相同 generator yield def fun1(): pass yiled value1 pass fun1 是一個(gè)特殊的function(有迭代功能) fun1() 是一個(gè)特殊的function object=generator, next send 逐次執(zhí)行 到y(tǒng)ield ,程序暫停,返回 value1 or send過來的其他值,等再次next or send,執(zhí)行之后的語句 到 yield,若沒有yiled了則拋出StopIteration Iterator 格式限定符 '字串{:格式}'.format() python中變量的交換可以不需要中間變量。 >>>x,y=1,2 >>>x,y=y,x >>>x 2 >>>y 1 if [] {} 0 等都是 False 類型:可變,不可變 module class attribute method function condition not conditon not '' true not 'a' false while true: name=input() if not name :break dosomething() from collections import Counter str.count() dfi[1].strftime('%Y-%m-%d') Out[15]: '2015-10-02' read_excel( index_col=1) sr.name sr.index df.index df.columns df.index.set_names('a') or df.index.name='a' df.set_index('date',inplace=True) df.set_index(pd.date_range('2015.10.1',periods=len(df))) df.index=df.date df.index=df['column1'] var1=df['columns1'] df['column1']的其中一個(gè)元素變,df.index var1對應(yīng)也變 df.index=df['column1'].copy(True) deepcopy就不會了。默認(rèn)就是deepcopy copy deepcopy datetime_obj.strftime('') df.date=pd.to_datetime(df['date']) --------------------------------------------------------- df.groupby(func1) index的逐個(gè)元素作為func1的參數(shù) g=df.groupby(df['a'].apply(lambda x:x>0)) g=df.groupby(df['a'].map(lambda x:x>0)) g=df.groupby(df['a']>0) g=df.groupby(pd.Series(['a','a','b','c']) df.groupby(cut()) df.groupby(qcut()) dataframegroupby.agg transform apply ----------------------------------------------------------- np.random.randn(2,4) np.arange(10).reshape(5,2) range(10) --------------------------- dfp3=pd.pivot_table(df,columns=['品名','型號'],aggfunc=np.sum) dfp3=pd.pivot_table(df,columns='型號',aggfunc=np.sum) or dfp3=df.pivot_table(columns=['品名','型號'],aggfunc=np.sum) ------------------ |
|