进⾏分组,计算col2的最⼤值和col3的最⼤值、最⼩值的数据透视表
df.groupby(col1).agg(np.mean) # 返回按列col1分组的所有列的均值,⽀持
df.groupby(...=1) # 对DataFrame中的每⼀⾏应⽤函数np.max
df.groupby(col1).col2.transform("sum") # 通常与groupby连⽤,避免索引更改
数据合并
df1....append(df2) # 将df2中的⾏添加到df1的尾部
df.concat([df1,df2],axis=1,join='inner') # 将df2中的列添加到df1的尾部,值为空的对应⾏与对应列都不要...–replace和正则
分享pandas数据清洗技巧,在某列山使用replace和正则快速完成值的清洗
d = {"customer": ["A", "B", "C", "D"],
"sales...sys.getsizeof()
range()函数返回的是一个类,在使用内存方面,range远比实际的数字列表更加高效
import sys
mylist = range(1,10000)
print