df

首页 > TAG信息列表 > df

pandas openpyxl 设置Excel 列宽自适应

引入包 import pandas as pd from openpyxl.utils import get_column_letter from pandas import ExcelWriter import numpy as np 　　自适应函数 def to_excel_auto_column_weight(df: pd.DataFrame, writer: ExcelWriter, sheet_name): """DataFrame保存为excel并

linux 中如何查看磁盘剩余空间的总大小

001、 [root@PC1 test]# df -h ## 查看各个挂载点的大小 Filesystem Size Used Avail Use% Mounted on /dev/mapper/rhel-root 46G 4.3G 42G 10% / devtmpfs 1.9G 0 1.9G 0% /dev tmpfs 1.9G 140K

gdp+weather+air.html

3-2-1 import pandas as pd df=pd.read_csv(r"E:\junior\datasource\gdp\output1\part-r-00000",sep='\t',header=None) df.columns=['大洲名称','总GDP数'] df.head() import matplotlib from matplotlib import pyplot as plt ma

Syntegra 的合成数据 API 入门 | Syntegra

Syntegra 的合成数据 API 入门 | Syntegra Syntegra 的 Synthetic Data API 的目标是让数据科学家、分析工程师和产品开发人员更容易访问患者级别的医疗保健数据。直接在您首选的计算环境中访问数千甚至数百万的患者记录，以比以往更轻松、更快地构建、测试和分析。无论您是早期健

预测华盛顿州金县的房价

预测华盛顿州金县的房价华盛顿州金县是华盛顿州人口最多的县。它也是美国第 12 大人口大国。华盛顿人口最多的城市是西雅图。我的目标是根据 2014 年 5 月至 2015 年 5 月期间在美国华盛顿州金县售出的房屋来预测房屋价格，并创建一个模型，供购房者、房屋卖家和在线房地产清单用来

Python数据分析易错知识点归纳（三）：Pandas

三、pandas 不带括号的基本属性 df.index df.columns 注意可以直接赋值，如： df.columns = ['A', 'B', 'C'] df.values df.shape 返回元组 df.size 总个数 df.dtypes # 返回布尔值，表示对象是否为空 df.empty 设置不隐藏 pd.set_option('display.max_columns', 1000) pd.set_

P1005 [NOIP2007 提高组] 矩阵取数游戏题解

luogu原题传送门 [NOIP2007 提高组] 矩阵取数游戏题目描述帅帅经常跟同学玩一个矩阵取数游戏：对于一个给定的 $n \times m$ 的矩阵，矩阵中的每个元素 $a_{i,j}$ 均为非负整数。游戏规则如下：每次取数时须从每行各取走一个元素，共 $n$ 个。经过 $m$ 次后取完矩阵内所有元素

数据预处理

data.xlsx 数据如下 1 # -*- coding: utf-8 -*- 2 # 我们必须进行数据预处理它直接关系到分析结果的准确性处理缺失值数据重复值 3 # 检查缺失值检测缺失值最简单的方法就是调用info()方法通过观察每一列的非空值即可判断出哪些列存在缺失值 4 # any() 一个序列中有一

直方图（不是和条形图一样吗？）

直方图（不是和条形图一样吗？）由 Freepik 创建的直方图图标 — Flaticon 当我要选择时出现的第一个问题直方图呈现数据是“不是条形图吗？”因为如果我们看形状，它们看起来很相似。所以让我们谈谈它。对我来说，直方图和条形图之间的第一件事是直方图上的“条”/“箱”之间没有间隙。

java 常用工具类

1. 时间格式化 import org.apache.commons.lang3.time.FastDateFormat; ... FastDateFormat df = FastDateFormat.getInstance("yyyy-mm-dd"); // 将指定格式字符串(上面的 yyyy-mm-dd,可根据需要自行配置)日期转为Date对象 Date dt = df.parse("2022-01-01"); // 将 Date 对象格

AARRR:2.4

学习来源： https://blog.csdn.net/qq_22790151/article/details/109700735 https://blog.csdn.net/fei347795790/article/details/98620124 https://zhuanlan.zhihu.com/p/285676746 import pandas as pddf=pd.read_csv('user_behavior.csv')df['timestamps'

数据科学手把手：碳中和下的二氧化碳排放分析 ⛵

速度起飞！替代 pandas 的 8 个神库

转载：https://mp.weixin.qq.com/s/ars6wWoUf59i7TyxAPE22g 大家好，我是指南兄。本篇介绍 8 个可以替代pandas的库，在加速技巧之上，再次打开速度瓶颈，大大提升数据处理的效率。 1. Dask Dask在大于内存的数据集上提供多核和分布式并行执行。在Dask中，一个DataFrame是一个大型且并行的D

【python】pandas 索引操作

pandas GroupBy

Pandas groupby 是pandas的灵魂之一，就像excel 里我们可以简单的去求 mean，如果让你按照月份去求 mean，这时需要 groupby date 然乎利用 mean() 函数，一个不错的推文 Pandas GroupBy 深度总结来源：5 Pandas Group By Tricks You Should Know in Python 5种 groupby 技巧，实际使用用

磁盘命令

磁盘命令 Linux 查看磁盘空间可以使用 df 和 du 命令。 df -h # Filesystem：文件系统 # Size：分区大小 # Used：已使用容量 # Avail：还可以使用的容量 # Use%：已用百分比 # Mounted on：挂载点　 df -hl # 查看磁盘剩余空间 df -h # 查看每个根路径的分区大小 du -sh [目录

解决linux删除文件空间未释放

问题描述 linux系统，磁盘占用率很高，删除一些正在使用的大文件，实际空间未得到释放，文件的句柄未被关闭问题解决 lsof |grep delete //删除的文件进程 kill -9 pid df -hT //查看磁盘占用率 df -hi //inode的各个挂载点的使用率

pandas笔记

导入pandas import pandas as pd 读取excel文件 df = pd.read_excel(r'windows系统文件路径', 'sheet名') 如果是linux系统则不用在文件路径前添加 r 限定某列数据出现次数大于等于2 name = df.列名.value_counts().loc[lambda x: x>=2].index 最后将返回所有符合条件的数据获

《机器学习的数学修炼》

目录：第六章线性回归： 1.1三种方法实现： import numpy as np import pandas as pd from scipy import stats df = pd.read_csv("DBS_SingDollar.csv") # X = df[df.columns[0]] # y = df[df.columns[1]] X = df["DBS"] Y = df["SGD"] slope,int

pandas数据处理(二)

简单研究下读取mysql、查询、分组、聚合、绘图。其还有窗口函数等更加复杂的操作，暂时不做研究。 1. 准备数据 DROP TABLE IF EXISTS `t_user_log`; CREATE TABLE `t_user_log` ( `id` int(11) NOT NULL AUTO_INCREMENT, `username` varchar(255) CHARACTER SET utf8 COLLATE

运维脚本------一键查询服务器利用率

# 一键查看服务器利用率 # 1、CPU利用率 60% # 命令 top，vmstat # 2、内存利用率 #命令 free -m # 3、监控磁盘的利用率 #命令 df -Th # 4、tcp连接状态侧面反映并发情况 #命令 netstat -antp #! /bin/bash function cpu(){ #NR表示行数，$13+$14表示第十三列加第14列，awk是一个

python 读取.pkl.gz文件

1 import pandas as pd 2 import six.moves.cPickle as cPickle 3 import gzip 4 5 filePath = './a/data.pkl.gz' 6 f = gzip.open(filePath,'rb') 7 df = pd.DataFrame() 8 df = cPickle.load(f) 9 f.close() 10 print(df) 运行结果：

pandas

$matplotlib$ 全是图，懒得用.md格式记笔记了 pandas $pandas$ 库中包含两个重要的数据类型: $Series$ 和 $DataFrame$，前者是一维数据类型，后者是多维数据类型。 $Series$ 数据类型索引+一维数据创建没有指定索引时，索引值从0开始 >>> a=[1,2,3] >>> m=pd.Series(a) >>>

python pandas DataFrame 给列分裂分两列或者多列

怎么给pandas DataFrame 格式的数据其中的列分成两列或者多列呢用df.map() 和str.split()两个内置函数例如： 1 import pandas as pd 2 df = pd.DataFrame({'dateTime':['2021-02-01 10:10:21','2022-03-01 12:23:22','2022-08-15 13:10:22'],'id':[

Linux

rwx 读写执行 ifconfig 查看系统ip地址service sshd status 查看是否开启sshd服务（active表示已开启） df-TH 查看磁盘分区以及挂载情况df-sh[目录名]查看目录大小du-h[文件名]查看文件大小top 查看进程实时运行情况，相当于任务管理