当需要获取列表中累积的行频数时，可以使用“Counter”方法和列表推导式。示例以下是相同的演示from collections import Counter my_list = [[11, 2, 32, 4, 31], [52, 52, 3, 71, 71, 3], [1, 3], [19, 19, 40, 40, 40]] print("列表是：") print(my_list) my_element_list = [19, 2, 71] my_frequency = [Counter(element) for element in my_list] my_result = [sum([freq[word] for word in my_element_list if word in freq]) for freq in my_frequency] print("结果矩阵是：") print(my_result)输出列表是：[[11, 2, ... 阅读更多

当需要获取构建字符串的最小元素时，需要使用“set”运算符、“combinations”方法、“issubset”方法和简单的迭代。示例以下是相同的演示from itertools import combinations my_list = ["python", "is", "fun", "to", "learn"] print("列表是：") print(my_list) my_target_str = "onis" my_result = -1 my_set_string = set(my_target_str) complete_val = False for value in range(0, len(my_list) + 1): for sub in combinations(my_list, value): temp_set = set(ele for subl in sub for ele in subl) ... 阅读更多

索引运算符是创建子集 DataFrame 的方括号。让我们首先创建一个 Pandas DataFrame。DataFrame 中有 3 列dataFrame = pd.DataFrame({"Product": ["SmartTV", "ChromeCast", "Speaker", "Earphone"], "Opening_Stock": [300, 700, 1200, 1500], "Closing_Stock": [200, 500, 1000, 900]})使用单列创建子集dataFrame[['Product']]使用多列创建子集dataFrame[['Opening_Stock', 'Closing_Stock']]示例以下是完整代码import pandas as pd dataFrame = pd.DataFrame({"Product": ["SmartTV", "ChromeCast", "Speaker", "Earphone"], "Opening_Stock": [300, 700, 1200, 1500], "Closing_Stock": [200, 500, 1000, 900]}) print"DataFrame...", dataFrame print"使用索引运算符显示子集：", dataFrame[['Product']] print"显示包含多列的子集：", dataFrame[['Opening_Stock', 'Closing_Stock']]输出这将... 阅读更多

可以使用 numpy where() 方法过滤 Pandas DataFrame。在 where() 方法中提及条件。首先，让我们导入所需的库及其各自的别名import pandas as pd import numpy as np我们现在将创建一个包含产品记录的 Pandas DataFrame dataFrame = pd.DataFrame({"Product": ["SmartTV", "ChromeCast", "Speaker", "Earphone"], "Opening_Stock": [300, 700, 1200, 1500], "Closing_Stock": [200, 500, 1000, 900]})使用 numpy where() 使用 2 个条件过滤 DataFrameresValues1 = np.where((dataFrame['Opening_Stock']>=700) & (dataFrame['Closing_Stock']< 1000)) print"过滤后的 DataFrame 值 = ", dataFrame.loc[resValues1] 让我们再次使用 numpy where() 使用 3 个条件过滤 DataFramersesValues2 = np.where((dataFrame['Opening_Stock']>=500) & (dataFrame['Closing_Stock']< 1000) ... 阅读更多

要对 DataFrame 的所有行求和，请使用 sum() 函数并将 axis 值设置为 1。值 axis 1 将添加行值。首先，让我们创建一个 DataFrame。其中包含“期初库存”和“期末库存”列dataFrame = pd.DataFrame({"Opening_Stock": [300, 700, 1200, 1500], "Closing_Stock": [200, 500, 1000, 900]})查找行值之和。Axis 设置为 1 以添加行值dataFrame = dataFrame.sum(axis = 1) 示例以下是完整代码 import pandas as pd dataFrame = pd.DataFrame({"Opening_Stock": [300, 700, 1200, 1500], "Closing_Stock": [200, 500, 1000, 900]}) print"DataFrame...", dataFrame # 查找... 阅读更多

要从 DataFrame 中删除一行，请使用 drop() 方法并将索引标签设置为参数。首先，让我们创建一个 DataFrame。索引标签为 w、x、y 和 z：dataFrame = pd.DataFrame([[10, 15], [20, 25], [30, 35], [40, 45]], index=['w', 'x', 'y', 'z'], columns=['a', 'b'])现在，让我们使用索引标签并删除一行。在这里，我们将删除索引标签为“w”的行。dataFrame = dataFrame.drop('w') 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']) ... 阅读更多

要将行添加到 DataFrame，请使用 append() 方法。在这里，我们将创建两个 DataFrame 并一个接一个地追加。首先，导入带别名的 pandas 库 −import pandas as pd现在，创建第一个 DataFramedataFrame1 = pd.DataFrame(    { "Car": ['BMW', 'Lexus', 'Audi', 'Jaguar'] } )创建第二个 DataFramedataFrame2 = pd.DataFrame( { "Car": ['Mercedes', 'Tesla', 'Bentley', 'Mustang'] } )接下来，将行添加到末尾dataFrame1 = dataFrame1.append(dataFrame2)示例以下是代码import pandas as pd # 创建 DataFrame1 dataFrame1 = pd.DataFrame( { "Car": ['BMW', 'Lexus', 'Audi', 'Jaguar'] } ) print"DataFrame1 ...", dataFrame1 # 查找... 阅读更多

要通过基于索引从列中选择特定值来创建子集，请使用 iloc() 方法。让我们首先导入 pandas 库import pandas as pd创建一个包含产品记录的 Pandas DataFrame。其中有 3 列dataFrame = pd.DataFrame({"Product": ["SmartTV", "ChromeCast", "Speaker", "Earphone"], "Opening_Stock": [300, 700, 1200, 1500], "Closing_Stock": [200, 500, 1000, 900]})使用 iloc() 创建包含 2 列和前 2 行的子集(print"使用 iloc() 显示子集 = ", dataFrame.iloc[0:2, 0:2] 示例以下是完整代码import pandas as pd dataFrame = pd.DataFrame({"Product": ["SmartTV", "ChromeCast", "Speaker", "Earphone"], "Opening_Stock": [300, 700, 1200, 1500], "Closing_Stock": [200, 500, 1000, 900]}) ... 阅读更多

要按列名创建 DataFrame 的子集，请使用方括号。使用带有方括号（索引运算符）的 DataFrame 和特定列名，如下所示 −dataFrame[‘column_name’]首先，导入带别名的所需库 −import pandas as pd创建一个包含产品记录的 Pandas DataFrame −dataFrame = pd.DataFrame({"Product": ["SmartTV", "ChromeCast", "Speaker", "Earphone"], "Opening_Stock": [300, 700, 1200, 1500], "Closing_Stock": [200, 500, 1000, 900]})让我们获取一个子集，即我们只获取 Product 列记录dataFrame['Product']示例以下是代码import pandas as pd dataFrame = pd.DataFrame({"Product": ["SmartTV", "ChromeCast", "Speaker", "Earphone"], "Opening_Stock": [300, 700, 1200, 1500], "Closing_Stock": [200, 500, 1000, 900]}) ... 阅读更多

当需要为整数列表的每个元素分配一个字母时，可以使用“ascii_lowercase”方法和列表推导式。示例以下是相同的演示 −import string my_list = [11, 51, 32, 45, 21, 66, 12, 58, 90, 0] print("列表是：") print(my_list) print("排序后的列表是：") my_list.sort() print(my_list) temp_val = {} my_counter = 0 for element in my_list: if element in temp_val: continue temp_val[element] = string.ascii_lowercase[my_counter] my_counter ... 阅读更多