import pandas as pd
filepath01 = r'f://data_temp/gd_net_loss_data_demo01.csv'
data01 = pd.read_csv(filepath01)
print (data01.head(5))
print(data01.columns) # 返回全部列名
print(data01.shape)
data02 = data01.copy() # 拷貝data01
datacol01 = data01.loc[:, ['serv_id', 'latn_id']] # 取指定列
datacol02 = data01.iloc[1:2] # 取指定列
datacol03 = data01[data01.columns.difference(['serv_id'])] # 取排除serv_id的其他列
datacol04 = data01.drop(['serv_id'], axis=1) # 取排除serv_id的其他列
datarow01 = data01.loc[1:2] # 取指定行
datarow02 = data01[data01.serv_id == 'ss'] # 取serv_id = 'ss'的行
datarow03 = data01[data01.serv_id.isin(['ss', 'ssr'])] # 取serv_id = 'ss'或'ssr'的行
datarc = data01.loc[2:4, ['serv_id', 'latn_id']] # 指定行列
result_detail = data01[(data01['type'] == '1')] # 取data01中type=1的資料
pd.isnull(data01)
data01 = data01.dropna() # 去掉存在nan元素的行
data01 = data01.fillna(0) # 將nan元素賦值為0
data = data01[(data01['pkg'] != 'com.tencent.tmgp.sgame')
| ((data01['pkg'] == 'com.tencent.tmgp.sgame') & (data01['scence'] != -1))]
data01['newdata'] = '1' # 新增新列，初始值為1
del data01['scence'] # 刪除列
data01.rename(columns=, inplace=true) # 改變量名
data01['year'] = data01['year']/1000 # 變數運算
Python強大的函式
python的函式比c語言 c 函式更加靈活與強大 函式，無返回值 def show s print welcome s show hello 函式，有乙個返回值 def sum a,b return a b print sum 111,222 函式，返回的是tuple元組 好像返回多個值 def ...
Python強大的切片操作
在python中，今天學習了其切片操作，切片操作使我們取資料方便了很多，先解釋一下python的切片操作 切片操作包含三個引數 x y z 其中，x表示切片的起始位置，為空則表示從字串的起始位置開始 y表示切片的結束為止，為空則表示字串的末位 最後乙個字元結束的位置 z表示步長，即切片時指標移動的距...
python中強大的format函式
自python2.6開始，新增了一種格式化字串的函式str.format 此函式可以快速處理各種字串。語法它通過 和 來代替 請看下面的示例，基本上總結了format函式在python的中所有用法 1 通過位置 2print format chuhao 20 34 print format chuh...