匹配多位数字
re.findall(r'\d{n}', str)
# 返回 n 位数字
匹配小数
re.findall(r'\d.+', str)
# 返回小数
list
判断列表是否为空
list == []
len(list) = 0 # ==> []
len(list) > 1 # ==> 非空
a x i s = { 0 , 列 1 , 行 axis= \begin{cases} 0, & \text{列}\ 1,& \text{行} \end{cases} axis={0,1,列行
从后向前取n个值
arr[-n:]
获取 value 最大元素的 index
aa = [...]
aa.index(max(aa))
迭代函数
enumerate(可迭代对象)
# 生成 index 和 value
pandas
合并
pd.concat([data, pd.DataFrame(columns = blank)], axis = 0) # 增加空白columns
删除指定column为空的行
data.dropna(subset = ['price'])
删除某一列是重复的
df.drop_duplicates(subset = 'label')
判断元素是否为空
pd.isna()
将某一列为空的值取出来
df[df['name'].isnull().values == True]
replace 替换多个
df.replace({'A':100, 'B':50})
排序
df.sort_values(by = ['a'])
删除空白列
df.dropna(axis = 1, how = 'all')
# axis = 0 按行(default)
# axis = 1 按列
# any : 只要有 1 个
# all : 全部都为空才 drop
取最大/最小值的 index
df.idxmax() # 最大值的索引
df.idxmin() # 最小值的索引
使用plotly画 dataframe
import plotly.express as px
px.scatter(data, x = '', y = '') # x 和 y 是 data 中的 columns
数据类型转换
判断数据类型
isinstance(a, str) # 判断 a 是否为 str型
字符串 ==> 数值
int(str)
ndarry 转 list
aa = np.array([])
bb = aa.tolist()
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)