pandas用法记录

1、多个csv、excel表格进行合并拼接，concat（）函数

df1 = pd.read_csv("F:/xjl_docunment/Graduation_Project/data/201804_ssu/ssu_Mar01_2018.csv",index_col = None)
df2 = pd.read_csv("F:/xjl_docunment/Graduation_Project/data/201804_ssu/ssu_Mar02_2018.csv",index_col = None)
df3 = pd.read_csv("F:/xjl_docunment/Graduation_Project/data/201804_ssu/ssu_Mar03_2018.csv",index_col = None)
df4 = pd.read_csv("F:/xjl_docunment/Graduation_Project/data/201804_ssu/ssu_Mar04_2018.csv",index_col = None)
。。。
frame = [df1,df2,df3,df4,df5,df6,df7,df8,df9,df10,df11,df12,df13,df14,df15,df16,df17,df18,df19,df20,df21,df22]
result = pd.concat(frame)

2、特定标识

TA_SNP_SHP[TA_SNP_SHP[‘FN_PDI_SN‘]==17294020]

原文地址：https://www.cnblogs.com/xiaodongsuibi/p/9080495.html

时间： 2024-10-11 09:10:33

pandas用法记录的相关文章

CentOS 7.x 防火墙开放端口相关用法记录

CentOS 7.x 防火墙开放端口相关用法记录前言防火墙对服务器起到一定的保护作用,所以了解一些相关的操作是很有必要的. 在CentOS 7.x中,有了一种新的防火墙策略,FireWall , 还记得在6.x中用的还是iptables. 这几天一直在自己的服务器上瞎搞,由于关于这个防火墙的命令还没有烂熟于心,每次都需要google一下,所以就自己动手整理了一下,方便今后的使用也同时加强记忆. 基本命令在CentOS 7.x中,防火墙的基本命令是 firewall-cmd 先通过man f

python之pandas用法大全

python之pandas用法大全更新时间:2018年03月13日 15:02:28 投稿:wdc 我要评论本文讲解了python的pandas基本用法,大家可以参考下一.生成数据表1.首先导入pandas库,一般都会用到numpy库,所以我们先导入备用:?12import numpy as npimport pandas as pd2.导入CSV或者xlsx文件:?12df = pd.DataFrame(pd.read_csv('name.csv',header=1))df = pd.D

Pandas 用法总结

Pandas 用法总结一.生成数据表 1.首先导入pandas库,一般都会用到numpy库,先导备用: ##### import numpy as np ? ##### import pandas as pd?#### 2.导入CSV或者xlsx文件: data = pd.DataFrame(pd.read_csv('name.csv',header=1)) data = pd.DataFrame(pd.read_exce('name.xlsx')) 3.用pandas创建数据表 df = p

pandas用法总结

pandas用法总结 2018年06月07日 10:49:03 一夜了阅读数 38705更多分类专栏: 杂项一.生成数据表 1.首先导入pandas库,一般都会用到numpy库,所以我们先导入备用: import numpy as np import pandas as pd 2.导入CSV或者xlsx文件: df = pd.DataFrame(pd.read_csv(‘name.csv’,header=1)) df = pd.DataFrame(pd.read_excel(‘name.x

Python之pandas用法

Python之pandas用法导入 import pandas as pd Series 用pandas的Series函数从数组或列表中创建一个可自定义下标(index)并自动维护标号索引的一维数组 a = pd.Series([0.25, 0.5, 0.75, 1.0]) print(a) b = pd.Series([0.25, 0.5, 0.75, 1.0], index=['a', 'b', 'c', 'd']) # 自定义下标 print(b) c = pd.Series({'a':

pandas error记录随笔

1.sys:1: DtypeWarning: Columns (0,1) have mixed types. Specify dtype option on import or 解决办法:PANDAS默认使所占用空间最小的类型来储存数据.df = pd.read_csv('XXX.csv', low_memory=False) 原文地址:https://www.cnblogs.com/lttirene/p/8438512.html

mongo aggregate 用法记录

mongo 聚合查询查询还是很方便的,做下记录依赖的jar是org.springframework.data.mongodb 1.9.6 低版本可能不支持. 数据结构大概是这是一份问卷,问卷有15题,统计 { "_id": ObjectId("5a30eeef84aeea4fbcd6045c"), "_class": "com.fjhb.elearning.model.QuestionnaireSurvey"

thymeleaf用法记录

参考链接:https://www.cnblogs.com/topwill/p/7434955.html 1.基本循环 <tr th:each="prod : ${prods}"> <td th:text="${prod.name}">Onions</td> <td th:text="${prod.price}">2.41</td> <td th:text="${prod.

c语言thread用法记录。

https://blog.csdn.net/hitwengqi/article/details/8015646 先是c++11之前的 1.最基础,进程同时创建5个线程,各自调用同一个函数 #include <iostream> #include <pthread.h> //多线程相关操作头文件,可移植众多平台 using namespace std; #define NUM_THREADS 5 //线程数 void* say_hello( void* args ) { cout &