利用pandas自带的函数notnull可以很容易判断某一列是否为null类型,但是如果这一列中某一格为空字符串"",此时notnull函数会返回True,而一般我们选择非空行并不包括这一点,所以需要把这一类也去掉. # df为需要筛选的数据框,col为选择非空依赖的列 df = df[(df[col].notnull) & (df[col] != "")] 如果数据来源是MySQL数据库,用sql函数调用的时候也要注意相同的问题. SELECT col F

教程所示图片使用的是 github 仓库图片,网速过慢的朋友请移步>>> (原文)Mysql 无法选取非聚合列. 更多讨论或者错误提交,也请移步. 1. 前言 最近升级博客,给文章页面底部增加了两个按钮,可以直接跳转到上一篇和下一篇.如下图所示: 实现这个功能的难点在于:数据库怎么选取出一条记录的前后两条相邻的记录? 2. 数据库设计 关于我文章数据库的设计如下图所示: 可以看到,每条记录的身份是索引Id.因为之前有很多文章记录被删除了,所以,Id并不是连续的. 如果当前文章的索引值是3

最近做一个系列博客,跟着stackoverflow学Pandas. 以 pandas作为关键词,在stackoverflow中进行搜索,随后安照 votes 数目进行排序: https://stackoverflow.com/questions/tagged/pandas?sort=votes&pageSize=15 Adding new column to existing DataFrame in Python pandas - Pandas 添加列 https://stackoverflo

空值跟null的区别.mysql官方: “NULL columns require additional space in the row to record whether their values are NULL. For MyISAM tables, each NULL column takes one bit extra, rounded up to the nearest byte.” Mysql难以优化引用可空列查询,它会使索引.索引统计和值更加复杂.可空列需要更多的存储空间(见上

今天用python操作excel时,发现xlwt的API中没有对width.height有更多介绍,且使用时也不知道width取多少合适.现在这做个详细介绍 使用版本: python:2.7.5 xlwt:1.0.0 一:先创建一个excel ''' Created on 2015-11-19 @author: Administrator ''' import xlwt book = xlwt.Workbook(encoding='utf-8') sheet = book.add_sheet('

collections模块-数据类型扩展模块 ''' 在内置数据类型(dict.list.set.tuple)的基础上,collections模块还提供了几个额外的数据类型:Counter.deque.defaultdict.namedtuple和OrderedDict等. 1.namedtuple: 生成可以使用名字来访问元素内容的tuple 2.deque: 双端队列,可以快速的从另外一侧追加和推出对象 3.Counter: 计数器,主要用来计数 4.OrderedDict: 有序字典 5.

Python读取Excel,里面如果是日期,直接读出来是float类型,无法直接使用. 通过判断读取表格的数据类型ctype,进一步处理. 返回的单元格内容的类型有5种: ctype: 0 empty,1 string, 2 number, 3 date, 4 boolean, 5 error ctype =sheet1.cell(iRow,iCol).ctype 参考示例如下: 1.准备一个Excel文件,文件名Book1.xlsx 从第2行的第1列开始向右,分别是2019年的7月的1.2.3

#!/usr/bin/env python #coding:utf8 import pickle,json import datetime dic1 = {'name':'alex', 'age':44, 'born':datetime.datetime.now()} #如果这种比较复杂的,json就无法解析,此时用pick则可以 #将内存的数据存下来,进行重用,可以有工pickle序列化 f = file("d:/test.pkl","w") pickle.dum

Suppose I have a df which has columns of 'ID', 'col_1', 'col_2'. And I define a function : f = lambda x, y : my_function_expression. Now I want to apply the f to df's two columns 'col_1', 'col_2' to element-wise calculate a new column 'col_3' , somew

同matlab一样,matplot也可画散列图scatter. import numpy as np import matplotlib.pyplot as plt #fig = plt.figure() #ax = fig.add_subplot(111) a1 = np.array([1, 2, 3, 4]) a2 = np.array([1, 2, 3, 4]) #ax.scatter(np.random.rand(5), np.random.rand(5)) #mark = ['s','

print(train_set.tdm) print(type(train_set.tdm)) 输出得到: (0, 3200) 0.264940780338 (0, 1682) 0.356545827856 (0, 3875) 0.404535449364 (0, 2638) 0.375094236628 (0, 2643) 0.420086333071 (0, 558) 0.332314202381 (0, 2383) 0.215711023304 (0, 3233) 0.3048846436

1. 从字典创建DataFrame >>> import pandas >>> dict_a = {'],'mark_date':['2017-03-07','2017-03-07','2017-03-07']} >>> df = pandas.DataFrame(dict_a) # 从字典创建DataFrame >>> df # 创建好的df列名默认按首字母顺序排序,和字典中的先后顺序并不一样,字典中是'user_id','book

散列类型 1.集合 定义集合 se = {1,2,3,4} se = set()定义空集合 se = {1,3,5,7} se2 = {1,3,8,9} se & se2 {1,3} 交集 se | se2 并集 se - se2 差集 add 增 pop 随机删 remove 指定删除 update 添加 , 传序列类型. ipython里点后按tab会提示方法. isdisjoint 判断是否有交集 se.isdisjoint(se2) 有交集返回False. issubset 判断是否包含

列表的方法: 增:append() insert() extend()只能添加序列类型. .改li[0]= '123' li.insert(2,'123') 2个参数,位置,值 li.remove('123'),如果有两个123,只会删除前面第一个. 其他方法copy() reverse() sort() 字母排序时大写会在前面.按开头的第一个顺序来排 删:pop() ,默认删除最后一个元素,可指定下标索引删除 clear()清空 查:index(),返回一个值的索引,只返回第一个. count

def fabm(n): if n < 1: print('输入不能小于1') return -1 if n == 1 or n == 2: return 1 else: return fabm(n-1) + fabm(n-2) result = fabm(19) if result != -1: print('结果是%d' % result)

https://stackoverflow.com/questions/47689936/unable-to-scroll-and-select-desired-year-from-calender-in-webdriver-python Year1990 = driver.find_element_by_xpath("//*[@id='ui-datepicker-div']/div/select[2]/option[28]") ActionChains(driver).move_to

前言: 序列:列表/元组/字符串 3种序列的共同点: 都可以通过索引得到每一个元素 默认索引值从0开始(还支持负数) 都可以通过切片的方式得到范围内的元素的集合 有很多共同的操作符(重复操作符.拼接操作符.成员关系操作符) 序列常用BIF(内置方法) 1.list([iterable]) list()方法用于把一个可迭代对象转换成列表 所谓迭代就是重复反馈过程的活动,目的是为了接近并达到所需目标或结果. 每一次对过程的重复被称为一次迭代,每一次迭代得到的结果会被用来作为下一次迭代的初始值. 如:

import csv import os def main(): current_dir = os.path.abspath('.') file_name = os.path.join(current_dir, "csss.csv") csvfile = open(file_name, 'wt',newline='') # encoding='utf-8' writer=csv.writer(csvfile, delimiter=",") header=['uel'

1 引言 Pandas是作为Python数据分析著名的工具包,提供了多种数据选取的方法,方便实用.本文主要介绍Pandas的几种数据选取的方法. Pandas中,数据主要保存为Dataframe和Series是数据结构,这两种数据结构数据选取的方式基本一致,本文主要以Dataframe为例进行介绍. 在Dataframe中选取数据大抵包括3中情况: 1)行(列)选取(单维度选取):df[].这种情况一次只能选取行或者列,即一次选取中,只能为行或者列设置筛选条件(只能为一个维度设置筛选条件). 2

转自:http://blog.csdn.net/u011089523/article/details/60341016 用pandas中的DataFrame时选取行或列: import numpy as np import pandas as pd from pandas import Sereis, DataFrame ser = Series(np.arange(3.)) data = DataFrame(np.arange(16).reshape(4,4),index=list('abcd