pandas之系列操作(一)
1.读Excel:
# coding=utf-8
import pandas as pd
import pymysql
sql_select =" xxxxx "
con = pymysql.connect(host="xxxx", user="xxx", passwd="xxxx", db="xxxx", charset='utf8',port=5366)
df1 = pd.read_excel(r'D:\1.xls',header=None,sep=',')
con.close()
2.写Excel:
# coding=utf-8
import pandas as pd
import pymysql
sql_select =" xxx "
con = pymysql.connect(host="xxx", user="xx", passwd="xxx", db="xxx", charset='utf8',port=5366)
df = pd.read_sql(sql_select,con)
con.close()
with pd.ExcelWriter(r'D:\2.xls') as writer:
df.to_excel(writer,sheet_name ='',encoding = 'utf-8', index = False,header=False)
3.写入 Mysql:
# coding=utf-8
from sqlalchemy import create_engine
import pandas as pd
import sys
reload(sys)
sys.setdefaultencoding('utf8')
host = 'xx'
port = 5366
db = 'xxx'
user = 'xx'
password = 'xxx' engine = create_engine(str(r"mysql+mysqldb://%s:" + '%s' + "@%s:%s/%s?charset=utf8") % (user, password, host, port,db))
print(engine)
try:
df = pd.read_excel(r'D:\2.xls') print(df) pd.io.sql.to_sql(df,'app_errortest',con=engine,if_exists='append',index=False,chunksize=10000)
except Exception as e:
print(e.message)
4.根据周统计数据
# coding=utf-8
import pandas as pd
import pymysql
import numpy as np
from pandas import Series,DataFrame
from datetime import datetime
sql_select =" select id, DataChange_LastTime from`app01_student` "
con = pymysql.connect(host="127.0.0.1", user="root", passwd="", db="test", charset='utf8',port=3306)
df = pd.read_sql(sql_select,con)
con.close()
df['DataChange_LastTime'] =pd.to_datetime(df['DataChange_LastTime']) #转化为DatetimeIndex格式
df =df.set_index('DataChange_LastTime')#设置索引 # print(type(df))
# print(df.index)
# print(type(df.index))
# print(df.shape) #查看几行几列
rs=df.resample('w').count()
n = rs.to_dict('split')['index']
v = rs.to_dict(orient="list")['id']
name =[]
value=[]
for i in n:
i=i.to_pydatetime()
i =datetime.strftime(i,'%Y-%m-%d')
name.append(i)
for i in v:
i =int(i)
value.append(i) print(name)
print(value)
5.pandas 将Excel转换字典
#! /usr/bin/env python
# coding=utf-8
import pandas as pd
df =pd.read_excel(r'D:\pandas.xls') #字典形式
res = df.to_dict(orient="records") #大字典嵌套小字典
res = df.to_dict()
print res
pandas之系列操作(一)的更多相关文章
- pandas的apply操作
pandas的apply操作类似于Scala的udf一样方便,假设存在如下dataframe: id_part pred pred_class v_id 0 d [0.722817, 0.650064 ...
- Jquery全选系列操作(锋利的jQuery)
Jquery全选系列操作(锋利的jQuery) <!DOCTYPE html> <html xmlns="http://www.w3.org/1999/xhtml" ...
- Pandas的基础操作(一)——矩阵表的创建及其属性
Pandas的基础操作(一)——矩阵表的创建及其属性 (注:记得在文件开头导入import numpy as np以及import pandas as pd) import pandas as pd ...
- python数据结构:pandas(2)数据操作
一.Pandas的数据操作 0.DataFrame的数据结构 1.Series索引操作 (0)Series class Series(base.IndexOpsMixin, generic.NDFra ...
- Pandas的拼接操作
pandas的拼接操作 pandas的拼接分为两种: 级联:pd.concat, pd.append 合并:pd.merge, pd.join import pandas as pd import n ...
- C#对字典Dictionary 的添加,遍历,移除系列操作
C#对字典Dictionary 的添加,遍历,移除系列操作: //一.创建泛型哈希表,然后加入元素 Dictionary<string, string> oscar = new Dicti ...
- (四)pandas的拼接操作
pandas的拼接操作 #重点 pandas的拼接分为两种: 级联:pd.concat, pd.append 合并:pd.merge, pd.join 0. 回顾numpy的级联 import num ...
- 数据分析05 /pandas的高级操作
数据分析05 /pandas的高级操作 目录 数据分析05 /pandas的高级操作 1. 替换操作 2. 映射操作 3. 运算工具 4. 映射索引 / 更改之前索引 5. 排序实现的随机抽样/打乱表 ...
- pandas 写csv 操作
pandas 写csv 操作 def show_history(self): df = pd.DataFrame() df['Time'] = pd.Series(self.time_hist) df ...
随机推荐
- PL/SQL 加字段 修改数据库之后 之后记得保存脚本
- ASP.NET MVC 4 从示例代码展开,连接默认SQL Server数据库
VS2013里面,点击菜单[视图]-[SQL server对象资源管理器],右键点击[SQL Server]节点,选择[添加SQL Server]自动生成. 这只是开始,可以让网上下载下来的例子运行出 ...
- struts2框架之请求参数(参考第二天学习笔记)
获取请求参数 请求参数:表单中的数据,或者是超链接中的数据. 1. 得到request,再通过request来获取.2. 属性驱动 在Action中提供与表单字段名称相同的属性即可. 而一个名为par ...
- codeforces411div.2
每日CF: 411div2 Solved A CodeForces 805A Fake NP Solved B CodeForces 805B 3-palindrome Solved C CodeFo ...
- mysql alter 效率
2017年9月15日 10:36:54 星期五 今天遇到一个效率问题记下来: 场景: mysql要更改一下表字段的注释, 因为sql语句问题, 导致更新了整张表.. 错误: ) UNSIGNED ' ...
- Css样式压缩、美化、净化工具 源代码
主要功能如下: /* 美化:格式化代码,使之容易阅读 */ /* 净化:将代码单行化,并去除注释 */ /* 压缩:将代码最小化,加快加载速度 */ /* 以下是演示代码 */ /*reset beg ...
- jquery日常使用总结
1.如何跳出each循环 用 return false, 不是 break. $.each(resArray, function(j, n) { if (1 == n) { return false; ...
- 行为驱动:BDD框架之Cucumber初探
1.cucumber cucumber早在ruby环境下应用广泛,作为BDD框架的先驱,cucumber后来被移植到了多平台,简单来说cucumber是一个测试框架,就像是juint或是rspec一样 ...
- zipkin 整合elastic
前提: <dependency> <groupId>io.zipkin.java</groupId> <artifactId>zipkin</ar ...
- 如何将代码通过vs2017加载到GitHub
(1)登陆GitHub并注册账户,在用户中新建repository (2)建立后,会给出新建repository地址,将其复制 (3)用VS新建一个项目,勾选“新建Git存储库”或者打开一个已经创 ...