Excel里，每行每列所有单元格进行相同逻辑的计算时，常规的做法是在第一个单元格填写公式，然后向下向右填充每一个单元格。如下图所示，计算各洲折后价的表格，蓝色区域所有单元格都要填入一个公式。...TEXTSPLIT - 跨列或/和行按指定的分隔符拆分字符串。 TOCOL - 将数组或范围转换为单个列。 TOROW - 将范围或数组转换为单行。...WRAPCOLS - 根据每行指定的值数将行或列转换为二维数组。 WRAPROWS - 根据每列指定的值数将行或列重新整形为二维数组。 TAKE - 从数组的开头或结尾提取指定数量的连续行或列。...DROP - 从数组中删除一定数量的行或列。 EXPAND - 将数组增长到指定的行数和列数。 CHOOSECOLS - 从数组中返回指定的列。...三、应用案例——查询多列结果 以我们常用的vlookup为例。在下图这种场景中，需要查询不同产品，三个地区的售价。常规做法，我们需要在I2:K2三个单元格中，各写一个相似的vlookup公式。
一个.data文件的截图： 该文件为一个1567 X 590的矩阵，每一行代表一个样本。 读取数据到矩阵中 1.先直接pd.read_csv()，然后通过输出了解到数据一共有多少列。...但是这种读法默认会把第一行当成列索引。...处理异常值nan 1.思路：求得每一列除nan以外数据的平均值，填充到这一列中是nan的地方。...2.求取除nan以外数据的平均值，我的思路是先把这一列转成list，然后利用np.nanmean(list)函数，跳过nan求平均值。...temp = np.array(data)[:, i].tolist() #第i列转成list mean = np.nanmean(temp) #跳过nan求mean 3.填充 data[np.argwhere
，用字符串pad对str的左边进行填充，达到n个字符长度 RPAD(str,n,pad) 右填充，用字符串pad对str的右边进行填充，达到n个字符长度 TRIM(str) 去掉字符串头部和尾部的空格...向上取整 FLOOR(x) 向下取整 MOD(x,y) 返回x/y的模 RAND() 返回0~1的随机数 ROUND(x,y) 求参数x的四舍五入的值，保留y位小数 向上取整时，只要小数部分不是...0 ，就会向上取整 保留小数位数时，采用的是四舍五入的方法 -- CEIL(x) 向上取整 select ceil(1.1); -- floor(x) 向下取整 select floor(1.1); -...MAX([DISTINCT] expr) 返回查询到的数据的最大值 MIN([DISTINCT] expr) 返回查询到的数据的最小值 5.1 COUNT() 统计所有行 -- 统计表中的行数 select...-- 求平均值 select avg(math) from exam; -- 参数里边可以包含表达式，结果可以使用别名 select avg(math + chinese) as 总分平均值 from
print(df.isnull())print(df.isnull().sum())如图，可以识别具体空值的位置，也可以对每列的空值进行统计：处理空值1....删除空值使用 dropna() 方法删除包含空值的行或列。...# 删除包含空值的行df_cleaned = df.dropna()# 删除包含空值的列df_cleaned = df.dropna(axis=1)# 只删除那些某些列中有空值的行df_cleaned...填充空值使用 fillna() 方法填充空值，常见的填充方式有：# 用常数填充df_filled = df.fillna(0)# 用每列的均值填充df_filled = df.fillna(df.mean...，即μ - 2σ ≤ x ≤ μ + 2σ99.73% 的数据点落在均值的3倍标准差范围内，即μ - 3σ ≤ x ≤ μ + 3σ其中，μ 是数据集的平均值，σ 是标准差。
，比如第一行的第8列和第20、21列。 ?...现在我们知道，该原始数据有300行，28列，并且存在NaN值待处理，其中数据的第23列表示是否病变，1为yes，2为no。...第三步，单独提取出了病变结果列，并统计每一列的数据缺失个数： data = df.values # 原始数据有300行，28列 x_index = [i for i in range(data.shape...) cols_null=[] for i in range(x.shape[1]): cols_null.append(df[i].isnull().sum()) # 每一列的数据缺失个数...是指数据通过管道中的每一个节点，结果除了之后，继续流向下游。 对于我们这个例子，数据是有空值，我们会有一个KNNImputer节点用来填充空值，之后继续流向下一个kNN分类节点，最后输出模型。 ?
(X) 向下取整 SELECT FLOOR(1.05); # TRUNCATE(X,D) 截断函数 SELECT TRUNCATE(1.69999,1); # MOD(N,M) 取余函数 等价于...） EXISTS 后面（表子查询）按结果集的行列数不同： 标量子查询（结果集只有一行一列） 列子查询（结果集只有一列多行） 行子查询（结果集有一行多列） 表子查询（结果集一般多行多列） # 子查询 /*...） EXISTS 后面（表子查询） 按结果集的行列数不同： 标量子查询（结果集只有一行一列） 列子查询（结果集只有一列多行） 行子查询（结果集有一行多列） 表子查询（结果集一般多行多列...，所以不能用标量子查询（多行多列或0行0列都不可以） # 列子查询（多行子查询，因为子查询结果是一列多行） /* 多行操作符： IN/NOT IN 等于/不等于列表中的任意一个 ANY/SOME...（一行多列或多行多列） # 查询员工编号最小并且工资最高的员工信息（不一定存在同时满足两个条件的员工） # 1.
0或’index’，表示按行删除；1或’columns’，表示按列删除。 how：筛选方式。...如果该行/列中，非空元素数量小于这个值，就删除该行/列。 subset：子集。列表，元素为行或者列的索引。...使用示例： # 删除所有含空的行 df.dropna(inplace=True) # 删除某列含控制的行 df.dropna(subset=['列名'],inplace=True) 虚拟变量调整（哑变量...假设X=(X1,X2…Xp)为信息完全的变量，Y为存在缺失值的变量，那么首先对X或其子集行聚类，然后按缺失个案所属类来插补不同类的均值。...backfill/bfill：用下一个非缺失值去填充该缺失值。None：指定一个值去替换缺失值（缺省默认这种方式）。 axis：指定填充方向，当 axis=1 按列填充，axis=0 按行填充。
(天花板函数) 3）floor(x)：向下取整，返回<=该参数的最大整数。...提高代码的重用性； "调用"：select 函数名(实参列表) [from 表]； "特点"：Ⅰ叫什么(函数名)；Ⅱ干什么(函数功能)； "分类"：Ⅰ单行函数；Ⅱ分组函数； "什么是单行函数："：作用于表中的每一行记录...操作如下： 3）floor(x)：向下取整，返回<=该参数的最大整数。（地板函数） 地板函数：在excel，python中均存在这个函数。...这两句分别表示的是 对sal列字段、birth列字段的行数，进行统计。由于其中有一条记录是null值，因此使用count() 函数计数的时候，会忽略掉null行。...其次，对于count(*)表示的是统计【整个表】有多少行，这个肯定是对原始数据的行数的正确 统计，只要整张表某一行有一个列字段的值不是null，count(*)就会认为该行为1行。
数据选取 iloc 我觉得pandas里面选取数据的一个很通用的方法是iloc pd.iloc[行序号, 列序号] iloc的参数用逗号隔开，前面是行序号，后面是列序号 import pandas...5行 describe describe方法可以描述表格所有列的数字特征，中位数，平均值等 import pandas as pd a = {"a": [1, 3, 5, 3], "b":...drop删除多列 要想删除多列，仅需要将列的名字放在一个列表里 merged_df = merged_df.drop(columns=["number", "sex"]) print(merged_df...处理缺失值 查找缺失值 isnull可以查找是否有缺失值，配合sum函数可以统计每一列缺失值的数量 import pandas as pd a = {"a": [1, 3, np.NAN, 3],...我们必须将缺失值补充好，可以用0填充，也可以用平均值填充，代码如下 # 0填充 print(p.fillna(0)) # 平均值填充 print(p.fillna(p["a"].mean()))
技巧2、锁定标题行 选取第2行，视图 - 冻结窗格 - 冻结首行（或选取第2行 - 冻结窗格）冻结后再向下翻看时标题行始终显示在最上面。 ?...技巧3、打印标题行 如果想在打印时每一页都显示标题，页面布局 - 打印标题 - 首端标题行：选取要显示的行 ?...技巧11、按月填充日期 日期所在单元格向下拖动复制后，打开粘贴列表，选取“以月填充” ?...你试着在黄色之外的区域修改或插入行/列，就会弹出如下图所示的提示。 ? 技巧29、文字跨列居中显示 如果你不想合并单元格，又想让文字跨列显示。...可以选取多列 - 右键设置单元格格式 - 对齐 - 水平对齐 - 跨列居中。 ? 显示后效果 ?
从设计的角度来说，因为填充的方法自然不可能只能对一列填充，所以这里表示可以填充多列，也就因此需要传入Array格式。 因此在这种情况下，我们可以先计算出这一行的平均值meanResult，再填入。...，如果要做多列呢？...这里我们以平均值举一个例子。 Request 6: 对多列进行空值填充，填充结果为各列已有值的平均值。...有的时候，需求上会希望保留新列，为了保证变化是正确的。 Request 7: 和之前类似，按平均值进行空值填充，并保留产生的新列。 那应该如何操作呢？...相当于对这一列的每一个数据都做了两次处理，一次向上截断，一次则向下截断。
df.isnull().sum() # 提取某列含有空值的行 df[df['日期'].isnull()] # 输出每列缺失值具体行数 for i in df.columns: if df[...# 连续值列的空值用平均值填充 dfcolumns = heart_df_encoded.columns.values.tolist() for item in dfcolumns: if...# 删除所有具有少于n个非null值的行 df.fillna(x) # 将所有空值替换为x s.fillna(s.mean())...x + 1) # 列的重命名 df.rename(columns={每列中的最高值 df.min() # 返回每一列中的最小值 df.median() # 返回每列的中位数 df.std() # 返回每列的标准偏差
由于是多行对一行的关联，关联上的就会将总金额重复显示多次，刚好符合我们后面计算的需要。结果如上图所示。...这种方法在需要对多列分组的时候同样适用。 多列分组使用transform 为演示效果，我们虚构了如下数据，id，name，cls为维度列。 ?...transform和apply的另一个区别是，apply函数可以同时作用于多列，而transform不可以。下面用例子说明： ?...以上三种调用apply的方式处理两列的差，换成transform都会报错。 利用transform填充缺失值 transform另一个比较突出的作用是用于填充缺失值。举例如下： ?...用平均值填充是一种处理缺失值常见的方式。此处我们可以使用transform对每一组按照组内的平均值填充缺失值。 ?
8、填充数值：当遇到编序号可以先依次在单元格内输入连续几个数值，然后选择单元格区域，鼠标移至左下方变成黑十字时则向下拖动填充即可。...11、一次插入多行或多列在表格内同时选择多行或多列，在选取区域内点击右键，选择【插入】则在选取区域的左侧或上方会插入与选中行数或列数相同的区域。...44、求平均值需要求表格内数据的平均值时，在需要求平均值的单元格内输入：=AVERAGE，双击函数后拉取表格区域，再按下回车键就能快速得出区域内数值的平均值。...49、快速提取数据先在单元格内输入需要提取的数据，将鼠标移至单元格右下角，出现黑色实心图标时向下拖动填充即可快速提取需要的数据。...92、插入任意多空行当你选取行并把光标放在右下角，按下 shift 键时，你会发现光标会变成如下图所示形状。
1、最快数据行公式求和 选取空行，点Σ（或按Alt + =）可以快速设置求和公式 2、多区域最快求和 如果求和的区域有多个，可以选定位，然后再点Σ（或按Alt+ =）可以快速设置求和公式。...（当公式和被引用单元格不在同一屏时特有用） 8、删除表格线 点击边框的下拉菜单 - 无边线 9、公式中快速选取区域 在公式中需要选取区域时，按ctrl+shift+向下箭头即可快速选取，不用再拖了。...排序方法演示： 12、隔行填充 ctrl+g定位条件空值 - 在编辑栏中输入=A2，按ctrl+enter完成填充 13、多列转一列 =第2列的第一个单元格，向下向右复制，最后公式转换成数值。...15、一列转多列 如果转换成每5行一列，在第2列输入=A6，然后复制 16、Countif函数 作用：根据条件统计个数 示例：统计两个列重复的内容 =COUNTIF(Sheet15!
也可以通过 count 方法得到每列不为NaN值的数目。...dropna() 删除NaN 值 可以通过 dropna 方法，默认按行扫描(操作)，会将每一行有NaN 值的那一行删除，同时默认是对原对象的副本操作，不会对原对象产生影响，也可以通过inplace 指示是否直接在原对象上操作...复杂的 使用向前 或 向后 填充数据，依旧使用fillna 方法，所谓向前 是指 取出现NaN值的前一列或前一行的数据来填充NaN值，向后同理 # 在df 的e 这一列上操作，默认下按行操作，向前填充数据...: 2 * x) 对dataframe 使用apply # 对df 使用apply，都是按行或按列操作，不能保证对每一个元素进行操作 df = pd.DataFrame(val, index=idx,...agg的形参是一个函数会对分组后每列都应用这个函数。
1、DataFrame的创建 DataFrame是一种表格型数据结构，它含有一组有序的列，每列可以是不同的值。...2、DataFrame轴的概念 在DataFrame的处理中经常会遇到轴的概念，这里先给大家一个直观的印象，我们所说的axis=0即表示沿着每一列或行标签\索引值向下执行方法，axis=1即表示沿着每一行或者列标签模向执行对应的方法...2002 four 2001 five 2002 Name: year, dtype: int64 我们还可以选取多列或者多行： data = pd.DataFrame(np.arange...ascending=False) #输出 d a b c one 4 5 6 7 three 0 1 2 3 DataFrame也可以按照值进行排序： #按照任意一列或多列进行排序...，也可以按列填充，或者指定一种填充方式： data.fillna({1:2,2:3}) #输出 0 1 2 0 1.0 6.5 3.0 1 1.0 2.0 3.0 2 NaN 2.0
df.isnull().sum() # 提取某列含有空值的行 df[df['日期'].isnull()] # 输出每列缺失值具体行数 for i in df.columns: if df[...# 连续值列的空值用平均值填充 dfcolumns = heart_df_encoded.columns.values.tolist() for item in dfcolumns: if...='barh') 差值计算 # axis=0或index表示上下移动， periods表示移动的次数，为正时向下移，为负时向上移动。...# 删除所有具有少于n个非null值的行 df.fillna(x) # 将所有空值替换为x s.fillna(s.mean())...df.min() # 返回每一列中的最小值 df.median() # 返回每列的中位数 df.std() # 返回每列的标准偏差 16个函数，用于数据清洗
2 - pandas 个性化显示设置 1.显示全部列 pd.set_option('display.max_columns',None) 2.显示指定行/列 指定让 data 在预览时显示10列，7行...("max_rows") pd.reset_option("max_columns") 4 修改每列最大字符宽度 即每列最多显示的字符长度，例如【每列最多显示10个字符，多余的会变成...】 pd.set_option...现在填充 “语言” 列的缺失值，要求根据 “国家/地区” 列的值进行填充 例如 《海上钢琴师》国家/地区为 意大利，根据其他意大利国家对应的语言来看，应填充为 意大利语 df['语言']=df.groupby...'].str.contains('国')] 37-筛选某行某列 提取第0行第2列 df.iloc[0:1,[1]] 38-筛选多行多列 提取 第 0-2 行第 0-2 列 df.iloc[0:2,0:2....agg({'salary': [np.mean, np.median, np.std], 'score': np.mean}) 21 - 聚合统计｜自定义函数 在 18 题基础上，在聚合计算时新增一列计算最大值与平均值的差值
=True) 06 重置索引 data.reset_index(inplace=True,drop=True) 07 查看缺失值信息 data.loc[data['列名'].isnull()] 01 每一列数据的缺失值进行统计...data.isnull().sum() 08 填充缺失值 # 用0填充 data=data.fina(0) # 将这一列的空值填充为平均值，类型为int类型 df_all['列名'] = df_all...=df['bwendu'].str.replace('℃','').astype('int32') 02 对某列数据转换类型 data['列名']=data['列名'].astype(int) 14 删除指定列中有空值的行...inplace=True) 18 重命名列 rename_list={ '原列名1:'新列名1',...} df.rename(rename_list,axis=1,inplace=True) 19 提取多列数据...岁\）').astype('float') df_all.head(2) 04 循环遍历某列所有数据，在后面加上指定字段： data['列名'].apply(lambda x:str(x)+'天')
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
腾讯会议
云直播
