当需要提取在多个特定索引范围内的元素时，使用“extend”方法、简单的迭代和索引。示例下面是演示 −my_list = [13, 21, 81, 10, 13, 17, 22, 18, 11, 90, 0] print("列表是：") print(my_list) print("排序后的列表是：") my_list.sort() print(my_list) range_list = [(2, 4), (7, 8), (1, 2), (2, 7)] my_result = [] for element in range_list: my_result.extend(my_list[element[0] : element[1] + 1]) print("结果列表是：") print(my_result) print("结果 ... 阅读更多

当需要根据数字对列表的元素进行排序时，使用“max”，“max”方法。我们还将使用“sorted”方法、“lambda”函数和“ljust”。示例下面是演示 −my_list = [4344, 2611, 122, 541, 33, 892, 48292, 460, 390, 120, 10, 2909, 11239, 1] print("列表是：") print(my_list) print("排序后的列表是：") my_list.sort() print(my_list) my_temp_val = map(str, my_list) my_max_length = max(map(len, my_temp_val)) my_result = sorted(my_list, key = lambda index : (str(index).ljust(my_max_length, 'a'))) print("结果列表是 ... 阅读更多

当需要随机插入元素 K 次时，使用“random”包和“random”包中的方法以及简单的迭代。示例下面是演示 −import random my_list = [34, 12, 21, 56, 8, 9, 0, 3, 41, 11, 90] print("列表是：") print(my_list) print("排序后的列表是：") my_list.sort() print(my_list) to_add_list = ["Python", "Object", "oriented", "language", 'cool'] K = 3 print("K 的值是") print(K) for element in range(K): index = random.randint(0, len(my_list)) ... 阅读更多

当需要在给定条件下查找列表中的所有组合时，使用简单的迭代、“isinstance”方法、“append”方法和索引。示例下面是演示 −print("方法定义开始") def merge_the_vals(my_list_1, my_list_2, K): index_1 = 0 index_2 = 0 while(index_1 < len(my_list_1)): for i in range(K): yield my_list_1[index_1] index_1 += 1 ... 阅读更多

要查询 Pandas DataFrame 的列，请使用 query()。我们正在查询以过滤记录。首先，让我们创建一个 Pandas DataFramedataFrame = pd.DataFrame({"Product": ["SmartTV", "PenDrive", "Speaker", "Earphone"], "Opening_Stock": [300, 700, 1200, 1500], "Closing_Stock": [200, 500, 1000, 900]})使用 query() 查询带有条件的列 −print(dataFrame.query('Opening_Stock >=500 & Closing_Stock < 1000 & Product.str.startswith("P").values'))示例以下是完整代码 −import pandas as pd dataFrame = pd.DataFrame({"Product": ["SmartTV", "PenDrive", "Speaker", "Earphone"], "Opening_Stock": [300, 700, 1200, 1500], "Closing_Stock": [200, 500, 1000, 900]}) print"DataFrame...", dataFrame # 使用 query() 查询列 print"查询列以过滤记录..." print(dataFrame.query('Opening_Stock >=500 & Closing_Stock ... 阅读更多

要从 DataFrame 中选择多行，请使用 : 运算符设置范围。首先，使用别名导入所需的 pandas 库 −import pandas as pd现在，创建一个新的 Pandas DataFrame −dataFrame = pd.DataFrame([[10, 15], [20, 25], [30, 35], [40, 45]], index=['w', 'x', 'y', 'z'], columns=['a', 'b'])使用 : 运算符选择多行 −dataFrame[0:2]示例以下是代码 −import pandas as pd # 创建 DataFrame dataFrame = pd.DataFrame([[10, 15], [20, 25], [30, 35], [40, 45]], index=['w', 'x', 'y', 'z'], columns=['a', 'b']) # DataFrame print"DataFrame...", dataFrame # 使用 loc 选择行 print"通过传递标签选择行..." print(dataFrame.loc['z']) ... 阅读更多

要从 DataFrame 中选择一列，只需使用方括号获取它即可。在括号中提及要选择的列，就是这样，例如dataFrame[‘ColumnName’]首先，导入所需的库 −import pandas as pd现在，创建一个 DataFrame。我们有两个列 −dataFrame = pd.DataFrame( { "Car": ['BMW', 'Lexus', 'Audi', 'Mustang', 'Bentley', 'Jaguar'], "Units": [100, 150, 110, 80, 110, 90] } )要仅选择一列，请使用方括号提及列名，如下所示。这里，我们的 ... 阅读更多

要合并 Pandas DataFrame，请使用 merge() 函数。外部联接在两个 DataFrame 上实现，方法是在 merge() 函数的“how”参数下设置，即 −how = “outer”首先，让我们使用别名导入 pandas 库 −import pandas as pd让我们创建 DataFrame1 −dataFrame1 = pd.DataFrame( { "Car": ['BMW', 'Lexus', 'Audi', 'Mustang', 'Bentley', 'Jaguar'], "Units": [100, 150, 110, 80, 110, 90] } )现在让我们创建 DataFrame2 −dataFrame2 = pd.DataFrame( { ... 阅读更多

要使用公共列合并两个 Pandas DataFrame，请使用 merge() 函数并将 ON 参数设置为列名。要为不匹配的值设置 NaN，请使用“how”参数并将其设置为左或右。这意味着合并左边或右边。首先，让我们使用别名导入 pandas 库 −import pandas as pd让我们创建 DataFrame1 −dataFrame1 = pd.DataFrame( { "Car": ['BMW', 'Lexus', 'Audi', 'Mustang', 'Bentley', 'Jaguar'], "Units": [100, 150, 110, 80, 110, 90] } )让我们 ... 阅读更多

要从多级列索引中删除多级，请重复使用 columns.droplevel()。我们使用了 Multiindex.from_tuples() 用于按列创建索引。首先，按列创建索引 −items = pd.MultiIndex.from_tuples([("Col 1", "Col 1", "Col 1"), ("Col 2", "Col 2", "Col 2"), ("Col 3", "Col 3", "Col 3")])接下来，创建一个多索引数组并形成一个多索引数据帧 −arr = [np.array(['car', 'car', 'car', 'bike', 'bike', 'bike', 'truck', 'truck', 'truck']), np.array(['valueA', 'valueB', 'valueC', 'valueA', 'valueB', 'valueC', 'valueA', 'valueB', 'valueC'])] # 形成多索引数据帧 dataFrame = pd.DataFrame(np.random.randn(9, 3), index=arr, columns=items)标记索引 −dataFrame.index.names = ['level 0', 'level 1'] 删除一个级别 ... 阅读更多