Pandas生成html
菜鸟实战 人气:0一、Pandas如何将表格的前几行生成html
实战场景:Pandas如何将表格的前几行生成html
1.1主要知识点
- 文件读写
- 基础语法
- Pandas
- numpy
实战:
1.2创建 python 文件
import numpy as np import pandas as pd np.random.seed(66) s1 = pd.Series(np.random.rand(20)) s2 = pd.Series(np.random.randn(20)) df = pd.concat([s1, s2], axis=1) df.columns = ['col1', 'col2'] # df.head 取前5行 print(df.head(5).to_html())
1.3运行结果
<table border="1" class="dataframe">
<thead>
<tr style="text-align: right;">
<th></th>
<th>col1</th>
<th>col2</th>
</tr>
</thead>
<tbody>
<tr>
<th>0</th>
<td>0.154288</td>
<td>-0.180981</td>
</tr>
<tr>
<th>1</th>
<td>0.133700</td>
<td>-0.056043</td>
</tr>
<tr>
<th>2</th>
<td>0.362685</td>
<td>-0.185062</td>
</tr>
<tr>
<th>3</th>
<td>0.679109</td>
<td>-0.610935</td>
</tr>
<tr>
<th>4</th>
<td>0.194450</td>
<td>-0.048804</td>
</tr>
</tbody>
</table>
二、Pandas如何计算一列数字的中位数
实战场景:Pandas如何计算一列数字的中位数
2.1主要知识点
- 文件读写
- 基础语法
- Pandas
- numpy
实战:
2.2创建 python 文件
import numpy as np import pandas as pd np.random.seed(66) s1 = pd.Series(np.random.rand(20)) s2 = pd.Series(np.random.randn(20)) df = pd.concat([s1, s2], axis=1) df.columns = ['col1', 'col2'] #median直接算中位数 print(df["col2"].median()) #用50%分位数 print(df["col2"].quantile())
2.3运行结果
-0.2076894596485453
-0.2076894596485453
三、Pandas如何获取某个数据列最大和最小的5个数
实战场景:Pandas如何获取某个数据列最大和最小的5个数
3.1主要知识点
- 文件读写
- 数据合并
- Pandas
- numpy
实战:
3.2创建 python 文件
iimport numpy as np import pandas as pd np.random.seed(66) s1 = pd.Series(np.random.rand(20)) s2 = pd.Series(np.random.randn(20)) #合并两个Series到DF df = pd.concat([s1, s2], axis=1) df.columns = ['col1', 'col2'] # 取最大的五个数 print(df["col2"].nlargest(5)) print() # 取最小的五个数 print(df["col2"].nsmallest(5))
3.3运行结果
12 1.607623
17 1.404255
19 0.675887
13 0.345030
Name: col2, dtype: float6416 -1.220877
18 -1.215324
11 -1.003714
8 -0.936607
5 -0.632613
Name: col2, dtype: float64
四、Pandas如何查看客户是否流失字段的数据映射
实战场景:Pandas如何查看客户是否流失字段的数据映射
4.1主要知识点
- 文件读写
- 基础语法
- Pandas
- numpy
4.2创建 python 文件
""" Churn:客户是否流失 Yes -> 1 No -> 0 实现字符串到数字的映射 """ import pandas as pd df = pd.read_csv("Telco-Customer-Churn.csv") #返回取值,及其取值多少次 print(df["Churn"].value_counts()) df["Churn"] = df["Churn"].map({"Yes": 1, "No": 0}) print() print(df["Churn"].value_counts()) print(df.describe(include=["category"]))
4.3运行结果
No 5174
Yes 1869
Name: Churn, dtype: int640 5174
1 1869
Name: Churn, dtype: int6
加载全部内容