...: data =
...:
...: frame = pd.dataframe(data)
in [13]: frame.iloc[6] = [1,'asf',201] #這一行會報錯indexerror: single positional indexer is out-of-bounds、
in [14]: frame.loc[6]=[1,'hh',612] #正確新增一行的方法
in [17]: frame.iloc[7,:]=[1,'hh',612] #正確新增一行的方法
in [18]: frame.ix[7,:]=[1,'hh',612] #正確新增一行的方法
in [24]: frame['show'] = [5,0,4] #報錯 valueerror: length of values does not match length of index
#原因是,列表的長度應該和索引一致
frame['show'] = [[0,0,0] for i in range(len(frame))]
frame.loc[2,'show']=[1,2,5] #報錯鍵和值不符
暫時沒有找到方法。使用的方法: frame.loc[2,'show'][0] = 1 .......
dataframe.drop_duplicates(subset=none, keep='first', inplace=false)subset : column label or sequence of labels, optional
用來指定特定的列,預設所有列
keep : , default 『first』
刪除重複項並保留第一次出現的項
inplace : boolean, default false
是直接在原來資料上修改還是保留乙個副本
df.drop(df.index,inplace=true)
SQL的一些誤區
資料庫 oracle11g無索引的情況下,一樣速度 有索引字段可以為空的情況下,count 列 更快 有索引欄位不可以為空的情況下,兩個一樣快 count 列 的時候,列的偏移量決定效能,列越靠後,訪問的開銷越大.由於count 的演算法與列的偏移量無關,所以count 最快,count 最後列最慢...
pandas的一些用法
讀取以 t為分隔符的不帶volume的資料names a b c d e f g df pd.read table filename sep t names names 刪除df中某一行df.drop labels none axis 0,index none columns none level ...
一些關於攝影的誤區
1.微距鏡頭只能來拍靜物 是專為拍攝極近距而設的,但有人說它於正常拍攝時會有質素的下降或迷信只能用在翻拍或微距拍攝用途上。其實,根據一些光學測試,無論是以1 1或1 2和1 50比例拍攝時,微距鏡頭的解像在大部份光圈下都有極優異的表現 而1 49或1 50時的測試,解像度比其它同等焦距的非微距鏡頭高...