嵌套json下的pandas操作
2021年2月1日 没有评论
在进行json处理的时候，经常会遇到需要提取不同级别的字段内容并合并成表格，见下图所示。本篇就总结下遇到这种情况下如何进行文本内容的提取。在知乎上看到一篇《骚操作！嵌套 JSON 秒变 Dataframe》似乎和我遇到的情况类似，不过在实际处理的时候又有不同。
先看[......]
存档
文章标签 ‘pandas’
Pandas中lambda函数的应用
2020年2月7日 没有评论
在使用pandas的过程中，我们可以结合lambda函数很方便的进行各种数据处理操作。而lambda在pandas就又经常和df.assign、df.apply两个函数组合使用，df.assign经常用于列的修改和新增，apply经常作用于一维向量上，其既可作用于行，也可以作用于列，又可作用于[......]
pandas之SQL类操作
2020年2月6日 没有评论
一、pandas数据
pandas有两类数据，一种是一维的Series；另一种是二维的DataFrame。其实还有一个三维的Panel，不过这种数据分类已经废弃。pandas的数据使用比较灵活，可以像SQL一样操作。本文结合示例说下pandas的操作。
- [......]
excel数据比对
2020年2月3日 没有评论
一、背景与思路
背景：由于新冠肺炎疫情的影响，每天需要统计公司员工的信息进行上报，并和前一天的数据进行比对。肉眼一个个的比对比较累，而且容易出错，所以就想到通过程序来实现数据的比对。
思路：
1、通过xlrd、xlsxwriter这类模块进行表格读取，读取后[......]
pandas if条件判断
2020年2月1日 没有评论
python pandas模块是一个功能强大的DataFrame数据处理模块，这里就是结果几个具体常见的应用场景来展示下其应用，该处展示的功能excel上也可以实现，不过站在一个懂python的人角度来说，我觉得这种处理方法比excel更高效好玩。
一、数字判断
这里实[......]
pandas读写带变更的mysql数据
2019年4月16日 没有评论
pandas在读写mysql数据时，如果是固定的mysql语句是比较容易存取的，不过现网很多需求，需要传入不同的变量的SQL写入或查询。遇到这种情况该如何解决呢？可以使用format函数来实现转化。例如给一个含有时间序列的数据集，给定三个参数，数据集名称tablename，开始时间startD[......]
pandas小结（七）merge、join与concat
2017年1月16日 1 条评论
一、merge、join与concat的区别
Pandas.DataFrame操作表连接有三种方式：merge, join, concat。三者的使用很容易搅浑，三者之间的区别什么呢？
merge 相当于SQL中的JOIN。该函数的典型应用场景是，两张表有相同内容的列（[......]
pandas小结（六）merge数据合并
2017年1月15日 没有评论
在《pandas小结（五）concat数据合并》中提到了数据合并，本篇学习另一个数据合并方法merge，不过这个和concat是有区别的，concat方法准确的说更像是级联，而不算合并，merge才是真正意义的合并。merge个人用的比较多的一个场景就是两个pandas数据，有相同的列数据，需[......]
pandas小结（五）concat数据合并
2017年1月9日 没有评论
pandas数据的行更新、表合并等操作，一般用到的方法有concat、join、merge。本篇先说concat方法。其具体用法如下：
pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=Fa[......]
pandas小结（四）删除列的方法
2017年1月8日 没有评论
pandas删除列有如下三种操作方式：
1.del df['columns'] #改变原始数据
2.df.drop('columns',axis=1)#删除不改表原始数据，可以通过重新赋值的方式赋值该数据
3.df.drop('columns',axis=1,inpla[......]捐助本站
浙公网安备 33010802007315号
近期评论