pandas with day

删除空值 在一些情况下会删除有空值、缺失不全的数据，df.dropna可以执行这种操作： df.dropna() # 一行中有一个缺失值就删除 df.dropna(axis='columns') # 只保留全有值的列 df.dropna(how='all') # 行或列全没值才删除 df.dropn ......

题目：242. 有效的字母异位词 我的感悟： 卡尔的思路，挺好。简单易懂。 理解难点： 没有难点 总结概况： 建立数组存 遍历一遍 ++ 遍历一遍 -- 再遍历一遍 判断0 代码示例： class Solution: def isAnagram(self, s: str, t: str) -> bo ......

替换数据 replace方法可以对数据进行批量替换： s.replace(0, 5) # 将列数据中的0换为5 df.replace(0, 5) # 将数据中的所有0换为5 df.replace([0, 1, 2, 3], 4) # 将0～3全换成4 df.replace([0, 1, 2, 3], ......

修改数值 在Pandas中修改数值非常简单，先筛选出需要修改的数值范围，再为这个范围重新赋值。 df.iloc[0,0] # 查询值 # 'Liver' df.iloc[0,0] = 'Lily' # 修改值 df.iloc[0,0] # 查看结果 # 'Lily' 以上修改了一个具体的数值，还可以 ......

题目：24. 两两交换链表中的节点 我的感悟： 我感觉，python中对链表的概念，很弱。 链表在现在语言中，用的不多。 先搁置。 理解难点： 可以看懂代码。 总结概括： 代码示例： # Definition for singly-linked list. # class ListNode: # d ......

增加行 可以使用loc[]指定索引给出所有列的值来增加一行数据。目前我们的df最大索引是99，增加一条索引为100的数据： # 新增索引为100的数据 df.loc[100] = ['tom', 'A', 88, 88, 88, 88] df ''' name team Q1 Q2 Q3 Q4 0 ......

执行表达式df.eval() df.eval()与之前介绍过的df.query()一样，可以以字符的形式传入表 达式，增加列数据。下面以增加总分为例： # 传入求总分表达式 df.eval('total = Q1+Q3+Q3+Q4') ''' name team Q1 Q2 Q3 Q4 total ......

追加合并 增加行数据的使用场景相对较少，一般是采用数据追加的模式。数据追加会在后续章节中介绍。 df.append()可以追加一个新行： df = pd.DataFrame([[1, 2], [3, 4]], columns=list('AB')) df2 = pd.DataFrame([[5, 6 ......

删除 删除有两种方法，一种是使用pop()函数。使用pop()，Series会删除指定索引的数据同时返回这个被删除的值，DataFrame会删除指定列并返回这个被删除的列。以上操作都是实时生效的。 # 删除索引为3的数据 s.pop(3) # 93 s ''' 0 89 1 36 2 57 4 65 ......

删除空值 在一些情况下会删除有空值、缺失不全的数据，df.dropna可以执行 这种操作： df.dropna() # 一行中有一个缺失值就删除 df.dropna(axis='columns') # 只保留全有值的列 df.dropna(how='all') # 行或列全没值才删除 df.drop ......

题目：206. 反转链表 我的感悟： 理解cur是什么? 相信自己！！ 代码难点： cur = head 可以省略不 每一个步骤里的cur是什么 代码示例： # Definition for singly-linked list. # class ListNode: # def __init__(s ......

首先原题意可以转化为对于每一个 \(1\leqslant k \leqslant n\)，选择 \(k\) 个点染黑，使得给定区间中全白的区间尽量少。 这其实是非常强的，考虑基于四边形不等式的一类区间划分类问题，其区间代价函数可以写为 \(F(l,r)=\sum_{i=l}^{r}\sum_{j=i ......

有效的字母异位词： 思路比较简单 由于范围比较小 只有小写字母为范围 利用26大小的数组 遍历字符串 第一个串在对应下标++ 第二个++ 然后数据存在不为零就是不一样的 不存在则时字母异位词 返回数组的交集 由于要返回的是交集 就是查找两个集合出现的元素 想到要使用hash map 具体的数据结构而 ......

tags: ["Os"] 今天拆箱后看着软驱和软盘感觉好激动，老古董欸~ 把软盘放进软驱，软驱连接电脑，按照教程格式化硬盘，注意不要勾选快速格式化。 在运行!cons_9x.bat输入install时出了问题，作者的设计是在这里应该把映像文件写进软盘，然而tolset\z_tools\imgtol. ......

9.1、如何做个“有价值”的日志分析平台 基于Kubernetes这种架构的日志收集方案是一个复杂而全面的过程。需要考虑不同应用类型的日志规范，日志输出方式，应用场景，日志平台选择，架构优缺点，日志监控和性能优化等其他特殊的场景。在下面的详细分析中，将逐层讨论这些方面。 一、日志规范 在K8S 架构 ......

题目： 203. 移除链表元素 我的感悟： 题目里的节点是已经给好的， 创建虚拟节点，是为了方便处理头节点。 加油，我可以的！！！！！ 理解难点： 节点已经给好的 创建虚拟节点 代码难点： p是临时变量，类似于for i in range(10) 这里的i，本身是用完就扔的。 返回值为什么不能是p. ......

# Day18左下角的值，路径总和，构建二叉树 `By HQWQF 2023/12/30` ## 笔记 *** ## 513.找树左下角的值 给定一个二叉树的 **根节点** `root`，请找出该二叉树的 **最底层 最左边** 节点的值。 假设二叉树中至少有一个节点。 **示例 2:** **输 ......

Pandas利用plot()调用Matplotlib快速绘制出数据可视化图形。注 意，第一次使用plot()时可能需要执行两次才能显示图形。可以使用plot()快速绘制折线图。 df['Q1'].plot() # Q1成绩的折线分布 可以先选择要展示的数据，再绘图。 df.loc['Ben','Q1 ......

df.mean() # 返回所有列的均值 df.mean(1) # 返回所有行的均值，下同 df.corr() # 返回列与列之间的相关系数 df.count() # 返回每一列中的非空值的个数 df.max() # 返回每一列的最大值 df.min() # 返回每一列的最小值 df.median( ......

增加列： df['one'] = 1 # 增加一个固定值的列 df['total'] = df.Q1 + df.Q2 + df.Q3 + df.Q4 # 增加总成绩列 # 将计算得来的结果赋值给新列 df['total'] = df.loc[:,'Q1':'Q4'].apply(lambda x:s ......

我们可以实现类似SQL的groupby那样的数据透视功能：df.groupby('team').sum() # 按团队分组对应列相加df.groupby('team').mean() # 按团队分组对应列求平均# 不同列不同的计算方法df.groupby('team').agg({'Q1': sum ......

官方文档有个坑， 按照教程，在employee实体类中跟employeeDTO类的部分字段是重合的，所以可以直接使用spring提供的方法复制字段。 但是，官方文档中的employeeDTO类是不完整的，只有username和password两个字段。因此在前端提交员工的字段时会出错，首要原因是数据 ......

问题：使用注解@Insert插入数据到sql中时无法正确识别sql表 办法： 1、先在idea添加数据库，导入驱动（具体可搜索idea Mysql驱动安装导入） 2、安装好数据库及驱动之后，如图，勾选需要的架构。可以查看到对应的表即为导入成功 3、最后在Insert位置添加对应表即可。具体操作为光标 ......

实验10 Pandas实现数据分析 实验学时：2学时 实验类型：验证 实验要求：必修 一、实验目的 掌握Pandas的字符串函数。 掌握Pandas 统计汇总函数。 掌握Pandas排序、分组、合并与级联函数。 能利用上述函数进行综合数据分析。 二、实验要求 通过编程实现使用Pandas字符串函数进 ......

实验09 Pandas函数应用 实验学时：2学时 实验类型：验证 实验要求：必修 一、实验目的 掌握pandas函数应用的方法：pipe()、apply()和applymap()。 能编写自定义函数。 能使用pandas函数应用调用自定义函数解决数据分析实际问题。 二、实验要求 利用pandas函数 ......

实验08 Pandas字符串和文本处理 实验学时：2学时 实验类型：验证 实验要求：必修 一、实验目的 学会正确使用常见的字符串函数 如：len()、find()、strip()、replace()、contains()函数。 解决实际数据中的字符串和文本处理问题。 二、实验要求 使用常见的字符串函 ......

实验06 Pandas缺失值处理 实验学时：2学时 实验类型：验证 实验要求：必修 一、实验目的 掌握判断缺失值、过滤缺失值、填充缺失缺失值等缺失值处理 解决实际数据中的缺失值问题 二、实验要求 使用常见的缺失值处理函数（如：isnull()、notnull()、fillna()、dropna()函 ......

实验07 Pandas合并与级联 实验学时：2学时 实验类型：验证 实验要求：必修 一、实验目的 掌握pandas合并/拼接 掌握pandas级联 二、实验要求 利用pandas合并、拼接和级联等知识在PyCharm中编写程序，实现Python数据处理的相关操作。 三、实验内容 任务1.现有如下图的 ......

实验05 Pandas数据读写 实验学时：2学时 实验类型：验证 实验要求：必修 一、实验目的 学会正确使用常见的I/O API函数。 解决文本文件、CSV文件、Excel文件、网页文件、数据库文件和JSON格式文件数据的读写问题。 二、实验要求 使用常见的I/O API函数（如：read_csv( ......

实验04 Pandas基础 实验学时：2学时 实验类型：验证 实验要求：必修 一、实验目的 1.掌握pandas系列、数据帧和面板的使用 2.掌握pandas基本功能和操作 二、实验要求 Pandas 程序的运行步骤。 2．pandas的数据结构 3．pandas系列、数据帧和面板 pandas基本 ......