raw_df=raw_df.groupby(by='publish_time').mean()
raw_df.sort_index(ascending=False,inplace=True)
return raw_df
raw_df=raw_df.groupby(by='publish_time').mean()raw_df.sort_index(ascending=False,inplace=True)return raw_df
这里首先要介绍官方文档，对
python
有了进一步深度的学习的大家们应该会发现，网上不管csdn或者简书上还是什么地方，教程来源基本就是官方文档，所以英语只要还过的去，推荐看官方文档，就算不够好，也可以只看它里面的sample就够了
好了，不说废话，看我的代码：
import pandas as pd
import numpy as np
rng = pd.date_range('20180101', periods=40)
ts = pd.Series(np.arange(1,41), index=rng)#这一
行
和上一
行
生成了一个index为时间，一共40天的数据
ts_m = ts.re
python
之pandas数据
合并
操作一、append与assign1.1 append方法1.2 assign方法二、combine与update2.1 combine2.2 update方法三、concat方法四、merge与join4.1 merge函数4.2 join方法
一、append与assign
1.1 append方法
利用序列添加
行
（必须指定name）
df_append =...
1 import pandas as pd
3 data = [['li', 'math', 100], ['bob', 'pe', 99], ['sar', 'english', 98], ['li', 'pe', 89]]
将数据转换成DataFrame类型
1 import pandas as pd
3 dataF...
可以使用
Python
的 set 类型来实现这个功能。
首先，需要打开文件并读取所有
行
，然后将每
行
数据添加到一个 set 中。set 会自动去除
重复
的数据，所以最后得到的 set 就是去重后的数据。最后，可以将 set 中的数据写回到文件中。
以下是一个例子：
# 打开文件并读取所有
行
with open('data.txt', 'r') as f:
lines = f.readlines()
# 将所有
行
添加到 set 中
lines_set = set(lines)
# 将 set 中的数据写回到文件中
with open('data.txt', 'w') as f:
for line in lines_set:
f.write(line)
如果你想要保留文件中原有的
行
顺序，可以使用 collections 模块中的 OrderedDict 类型。这个类型类似于字典，但是保留了元素添加的顺序。
# 导入 OrderedDict 类型
from collections import OrderedDict
# 打开文件并读取所有
行
with open('data.txt', 'r') as f:
lines = f.readlines()
# 将所有
行
添加到 OrderedDict 中
lines_dict = OrderedDict.fromkeys(lines)
# 将 OrderedDict 中的数据写回到文件中
with open('data.txt', 'w') as f:
for line in lines_dict:
f.write(line)
