当需要使用步长值将列表转换为列表的列表时，定义一个使用简单迭代、“split”方法和“append”方法的方法。示例如下所示：def convert_my_list(my_list): my_result = [] for el in my_list: sub = el.split(', ') my_result.append(sub) return(my_result) my_list = ['peter', 'king', 'charlie'] print("列表为：") print(my_list) print("结果列表为：") print(convert_my_list(my_list))输出列表为： ['peter', 'king', 'charlie'] 结果… 阅读更多

当需要查找每个列表元素的立方时，使用简单的迭代和“append”方法。示例如下所示：my_list = [45, 31, 22, 48, 59, 99, 0] print("列表为：") print(my_list) my_result = [] for i in my_list: my_result.append(i*i*i) print("结果列表为：") print(my_result)输出列表为： [45, 31, 22, 48, 59, 99, 0] 结果列表为： [91125, 29791, 10648, 110592, 205379, 970299, 0]解释定义一个列表并在控制台中显示。定义一个空列表。遍历原始列表。每个元素… 阅读更多

当需要打印句子中恰好出现 K 次的所有单词时，定义一个使用“split”方法、“remove”方法和“count”方法的方法。通过传递所需参数来调用该方法，并显示输出。示例如下所示：def key_freq_words(my_string, K): my_list = list(my_string.split(" ")) for i in my_list: if my_list.count(i) == K: print(i) my_list.remove(i) my_string = "hi there how are you, how are u" K = 2 print("字符串为：") print(my_string) print"重复… 阅读更多

当需要自定义字符串列表中的空格大小填充时，使用空列表、迭代和“append”方法。示例如下所示：my_list = ["Python", "is", "great"] print("列表为：") print(my_list) lead_size = 3 trail_size = 2 my_result = [] for elem in my_list: my_result.append((lead_size * ' ') + elem + (trail_size * ' ')) print("结果为：") print(my_result)输出列表为： ['Python', 'is', 'great'] 结果为： [' Python ', ' is ', ' great ']解释定义一个列表并… 阅读更多

当需要在一个列表中查找另一个列表的第一次出现时，使用“set”属性和“next”方法。示例如下所示：my_list_1 = [23, 64, 34, 77, 89, 9, 21] my_list_2 = [64, 10, 18, 11, 0, 21] print("第一个列表为：") print(my_list_1) print("第二个列表为：") print(my_list_2) my_list_2 = set(my_list_2) my_result = next((ele for ele in my_list_1 if ele in my_list_2), None) print("结果为：") print(my_result)输出第一个列表为： [23, 64, 34, 77, 89, 9, 21] 第二个列表为： [64, 10, 18,… 阅读更多

要合并 Pandas DataFrame，请使用 merge() 函数。通过在 merge() 函数的“how”参数下设置 how = “inner”，在两个 DataFrame 上实现内连接。首先，让我们导入带有别名的 pandas 库：import pandas as pd 创建 DataFrame1：dataFrame1 = pd.DataFrame( { "Car": ['BMW', 'Lexus', 'Audi', 'Mustang', 'Bentley', 'Jaguar'], "Units": [100, 150, 110, 80, 110, 90] } ) 现在，创建 DataFrame2：dataFrame2 = pd.DataFrame( { … 阅读更多

要计算列值的方差，请使用 var() 方法。首先，导入所需的 Pandas 库：import pandas as pd 创建一个包含两列的 DataFrame：dataFrame1 = pd.DataFrame( { "Car": ['BMW', 'Lexus', 'Audi', 'Tesla', 'Bentley', 'Jaguar'], "Units": [100, 150, 110, 80, 110, 90] } ) 使用 var() 函数查找“Units”列值的方差：print"DataFrame1 中 Units 列的方差 = ", dataFrame1['Units'].var() 同样，我们计算了第二个 DataFrame 的方差。示例完整的代码如下：import pandas as pd … 阅读更多

要在 groupby 后重置索引，首先使用 groupby() 根据列进行分组。之后，使用 reset_index()。首先，导入所需的库：import pandas as pd 创建一个包含两列的 DataFrame：dataFrame = pd.DataFrame( { "Car": ["Audi", "Lexus", "Audi", "Mercedes", "Audi", "Lexus", "Mercedes", "Lexus", "Mercedes"], "Reg_Price": [1000, 1400, 1100, 900, 1700, 1800, 1300, 1150, 1350] } ) 根据 Car 列进行分组：resDF = dataFrame.groupby("Car").mean() 现在，在分组后重置索引：resDF.reset_index() 示例代码如下： import pandas as … 阅读更多

要只对特定行求和，请使用 loc() 方法。使用 : 运算符指定起始和结束行索引。使用 loc()，您还可以设置要包含的列。我们可以在新列中显示结果。首先，让我们创建一个 DataFrame。其中包含产品记录，包括期初和期末库存：dataFrame = pd.DataFrame({"Product": ["SmartTV", "ChromeCast", "Speaker", "Earphone"], "Opening_Stock": [300, 700, 1200, 1500], "Closing_Stock": [200, 500, 1000, 900]}) 前两行的和。在 loc() 中也提到了列名，即 Opening_Stock 和 Closing_Stock。我们将在新… 阅读更多

要计算列值的平均数，请使用 median() 方法。首先，导入所需的 Pandas 库：import pandas as pd 现在，创建一个包含两列的 DataFrame：dataFrame1 = pd.DataFrame( { "Car": ['BMW', 'Lexus', 'Audi', 'Tesla', 'Bentley', 'Jaguar'], "Units": [100, 150, 110, 80, 110, 90] } ) 使用 median() 查找单个列“Units”的平均数：print"DataFrame1 中 Units 列的平均数 = ", dataFrame1['Units'].median() 同样，我们计算了第二个 DataFrame 的平均值。示例完整的代码如下… 阅读更多