让我们看看如何找到负数和正数的和。首先，创建一个包含正数和负数值的数据框 - dataFrame = pd.DataFrame({'Place': ['Chicago', 'Denver', 'Atlanta', 'Chicago', 'Dallas', 'Denver', 'Dallas', 'Atlanta'], 'Temperature': [-2, 30, -5, 10, 30, -5, 20, -10]})接下来，使用 groupby 基于 Place 列进行分组 - groupRes = dataFrame.groupby(dataFrame['Place'])使用 lambda 函数返回正数和负数值。我们还分别添加了正数和负数值 - # lambda 函数 def plus(val): return val[val > 0].sum() def minus(val): return val[val < 0].sum()示例完整的代码如下... 阅读更多

我们将使用 groupby 对 Pandas DataFrame 进行分组。使用 grouper 函数选择要使用的列。我们将按月分组并计算我们下面所示的汽车销售记录中每月注册价格的总和。首先，假设我们的 Pandas DataFrame 包含三列 - dataFrame = pd.DataFrame(    {       "Car": ["Audi", "Lexus", "Tesla", "Mercedes", "BMW", "Toyota", "Nissan", "Bentley", "Mustang"],     "Date_of_Purchase": [       pd.Timestamp("2021-06-10"),       pd.Timestamp("2021-07-11"),       pd.Timestamp("2021-06-25"),       ... 阅读更多

要检查缺失的日期，首先，让我们设置一个包含日期记录（例如，在我们的示例中为购买日期）的列表字典 - # 列表字典 d = {'Car': ['BMW', 'Lexus', 'Audi', 'Mercedes', 'Jaguar', 'Bentley'],    'Date_of_purchase': ['2020-10-10', '2020-10-12', '2020-10-17', '2020-10-16', '2020-10-19', '2020-10-22']}现在，从上面的列表字典创建一个数据框 - dataFrame = pd.DataFrame(d)接下来，将其设置为索引 - dataFrame = dataFrame.set_index('Date_of_purchase')使用 to_datetime() 将字符串转换为 DateTime 对象 - dataFrame.index = pd.to_datetime(dataFrame.index)显示范围内剩余的日期 - k = pd.date_range( start="2020-10-10", end="2020-10-22").difference(dataFrame.index);示例代码如下 - import pandas as pd # 列表字典 d = {'Car': ['BMW', ... 阅读更多

要合并文件夹中的所有 excel 文件，请使用 Glob 模块和 append() 方法。假设桌面上有以下 excel 文件 - Sales1.xlsx Sales2.xlsx 注意 - 您可能需要安装 openpyxl 和 xlrd 包。首先，设置所有要合并的 excel 文件所在的路径。使用 glob 获取 excel 文件并读取它们 - path = "C:\Users\amit_\Desktop\" filenames = glob.glob(path + "\*.xlsx") print('文件名称：', filenames)接下来，为合并的输出 excel 文件创建一个空数据框，该文件将从以上两个 excel 文件中获取数据 - outputxlsx = pd.DataFrame()现在，实际过程... 阅读更多

使用 Series.value_counts() 方法计算项集的频率。首先，让我们创建一个 DataFrame - # 创建 DataFrame dataFrame = pd.DataFrame({'Car': ['BMW', 'Mercedes', 'Lamborghini', 'Audi', 'Mercedes', 'Porsche', 'Lamborghini', 'BMW'], 'Place': ['Delhi', 'Hyderabad', 'Chandigarh', 'Bangalore', 'Hyderabad', 'Mumbai', 'Mumbai', 'Pune'], 'UnitsSold': [95, 80, 80, 75, 92, 90, 95, 50 ]})使用 value_counts() 方法计算列 car 的频率 - # 计算列 Car 的频率 count1 = dataFrame['Car'].value_counts() print("列 Car 中的计数") print(count1)同样，计算其他列的频率。以下是计算 Pandas DataFrame 中项集频率的完整代码... 阅读更多

insert() 方法用于从另一个 DataFrame 添加列。首先，让我们创建我们的第一个 DataFrame - dataFrame1 = pd.DataFrame({"Car": ["Audi", "Lamborghini", "BMW", "Lexus"],    "Place": ["US", "UK", "India", "Australia"],    "Units": [200, 500, 800, 1000]})现在，让我们创建我们的第二个 DataFrame - dataFrame2 = pd.DataFrame({"Model": [2018, 2019, 2020, 2021], "CC": [3000, 2800, 3500, 3300]})从 DataFrame1 添加到 DataFrame2 的 Car 列 # 要添加到第二个数据框的 Car 列 fetched_col = dataFrame1["Car"]示例代码如下 - import pandas as pd dataFrame1 = pd.DataFrame({"Car": ["Audi", "Lamborghini", "BMW", "Lexus"],    "Place": ["US", "UK", "India", "Australia"],    "Units": [200, 500, ... 阅读更多

当需要查找字符串中最频繁的字符时，会创建一个空字典，并迭代字符串中的元素。当在字典中找到一个字符时，它会递增，否则它会被赋值为 1。找到字典中值的 最大值，并将其赋值给一个变量。示例下面是同一演示my_string = "Python-Interpreter" print ("字符串是：") print(my_string) max_frequency = {} for i in my_string:    if i in max_frequency:       max_frequency[i] += 1    else:       max_frequency[i] ... 阅读更多

多索引数据框是一个具有多个索引的数据框。假设以下是我们存储在桌面的 csv 文件 - 首先，导入 pandas 库并读取上面的 CSV 文件 - import pandas as pd df = pd.read_csv("C:/Users/amit_/Desktop/sales.csv") print(df)我们将 Dataframe 的“Car”和“Place”列构成索引 - df = df.set_index(['Car', 'Place'])DataFrame 现在是一个多索引 DataFrame，其“Car”和“Place”列作为索引。现在，让我们在多索引数据框上使用 groupby：res = df.groupby(level=['Car'])['UnitsSold'].mean() print(res)示例代码如下 - import pandas as pd df = pd.read_csv("C:/Users/amit_/Desktop/sales.csv") print(df) ... 阅读更多

当需要查找列表中的递减点时，使用简单的迭代和“break”语句。示例以下是同一演示 - my_list = [21, 62, 53, 94, 55, 66, 18, 1, 0] print("列表是：") print(my_list) my_result = -1 for index in range(0, len(my_list) - 1):    if my_list[index + 1] < my_list[index]:       my_result = index       break print("结果是：") print(my_result)输出列表是：[21, 62, 53, 94, 55, 66, 18, 1, 0] 结果是：1解释整数列表... 阅读更多

当需要获取元组列表中唯一值的计数时，可以使用‘defaultdict’、‘set’运算符和‘append’方法。示例如下所示： 来自collections导入defaultdict my_list = [(12, 32), (12, 21), (21, 32), (89, 21), (71, 21), (89, 11), (99, 10), (8, 23), (10, 23)] print("列表是：") print(my_list) my_result = defaultdict(list) for element in my_list:    my_result[element[1]].append(element[0]) my_result = dict(my_result) result_dictionary = dict() for key in my_result:    result_dictionary[key] = len(list(set(my_result[key]))) print("结果列表是：") print(result_dictionary)输出列表是……阅读更多