.xlsx') # 相对路径
# df = pd.read_excel(r'E:\Anaconda\hc\dataScience\table1.csv') # 绝对路径
显示数据
显示数据的行与列数...(by=['Score'])
(注:默认升序,且空值在后面)
数据分组
①单一条件分组
# 如果Score列的值>=85,Score列显示high,否则显示low
# group列为增加列
df['group...'] = np.where(df['Score'] > 85,'high','low')
②多个条件分组
# 利用loc函数,进行多列查询
# sign为增加列
df.loc[(df['Sex'] =...:5]
②按位置提取
#[0, 2, 5] 代表指定的行,[0, 1, 5] 代表指定的列
df.iloc[[0, 2, 5],[0, 1, 5]]
按条件提取(isin与loc函数)
①用isin...85'), ['Name','Age','Class']]
③先判断结果,将结果为True的提取
# 先判断Score列里是否包含80和90,然后将复合条件的数据提取出来。