dataframe（简称df）
1.df常用属性
df.index 获取行索引
df.columns 获取列索引
df.values 获取以二维数组形式表示的df
df.dascribe() 获取每一列的统计结果
df.T 转置，注意：因为df的每一列为一个series对象，所以要求每一列的数据类型一样，转置后可能会出现数据类型的转换
2.df常用方法
df.loc[ m,n] 获取行列标签为m，n的元素的值
df.iloc[m,n] 获取行列索引为m，n的元素的值，此处的m，n不同于loc函数
缺失值NaN处理:
df.fillna(num) 将NaN处填充为num
dropna(axis=0,how=’any’) ：df.dropna() /df.dropna(how=’any’) 删除NaN所在行
df.dropna(how=’all’) 只删除所有值都为NaN的行
df.dropna(axis=1) 删除NaN所在列，此处是将处理方式由行变成列，df的默认处理方式是按行处理
pandas常用方法
df.mean()/df.mean(axis=1) 求每一列/行的平均值
df.sum()/df.sum(axis=1) 求每一列/行的和
df.sort_values(by=’c1′,ascending=False) 按照c1列的降序排列
df.sort_index(ascending=False，axis=0) 按照行索引的降序E
datetime(简称dt)
import datetime;
dateutil.parser.parse(‘ ‘) 按字符串内容生成时间对象
pd.to_datetime(‘ ‘) 按字符串/字符串列表内容生成时间对象
pd.date_range(start=’ ‘,end=’ ‘,periods=num,freq=’A/M/W/D/H/M/S’) 生成时间序列，其中start:开始日期，end：结束日期，periods：生成个数，freq：生成间隔(A(year), M(month), W(week), B(business), D(day), H(hour), T(mintes), S(second))默认为’D’
Original: https://blog.csdn.net/m0_57464176/article/details/122662569
Author: 无聊丶先生
Title: pandas，datatime基本操作
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/676213/
转载文章受原作者版权保护。转载请注明原作者出处！