import pandas as pddata = {'hah':[1,2,9], '数量':[3,2,5], '价格':[10,9,8]}df = pd.DataFrame(data)dfdf['hah'] = df['hah'].apply(lambda x:str(x).zfill(5))df
Python
zfill()方法返回指定长度的字符串，原字符串右对齐，前面填充0。
zfill()方法语法：str.zfill(width)
参数width — 指定字符串的长度。原字符串右对齐，前面填充0。
返回指定长度的字符串。
以下实例展示了 zfill()函数的使用方法：
#!/usr/bin/
python
str = "this is string example....wow!!!";
print str.zfill(40);
print str.zfill(50);
以上实例输出结果如下：
00000000this is string example….wow!!!
index_list=
df
_agg.ix['天'].index.values.tolist()
print(index_list)
yushi_
df
=
df
_agg.ix['宇']
yushi_
df
2=yushi_
df
.reindex(index_list)
yushi_
df
3=yushi_
df
2.fillna(0)
print(yushi_
df
3)
由于数据库存储日期数据时，年份，月份，日份这三个字段均保存成了整形（int），直接做拼接的话会导致结果出现诡异的情况。。
首先，不做转换的话，会直接变成数字相加：
year|month|day
2021|4|6
table[‘year’]+table[‘month’]+table[‘day’]出来的结果是2031。。
然后，做了强制转化：
year|month|day
2021|3|10
2021|4|6
table['date']=table['year'].astype('str')+table['mo
大家好，我是东哥。
之前一直在分享pandas的一些骚操作：pandas骚操作，根据大家反映还不错，但是很多技巧都混在了一起，没有细致的分类，这样不利于查找，也不成体系。
利用闲暇之余将有关数据清洗、数据分析的一些技能再次进行分类，里面也包含了我平时用到的一些小技巧，此次就从数据清洗缺失值处理走起，链接：pandas数据清洗，关注这个话题可第一时间看到更新。
所有数据和代码可在我的GitHub获取：
https://github.com/xiaoyusmd/
Python
DataScience
如有帮助，
今天在用
python
对数据的数字类型用均值填
补
，分类类型用众数填
补
，遇到几个坑，mark一下：
1.众数需要一列一列的填
补
2.
DataFrame
的mode()函数会返回一个series，即多个数需要从中选择一个进行填
补
，不然会一直填
补
不上。（我这里是随机选择一个）
采用均值和众数将缺失值填
补
dataset是list
columns_classification是list,分类类型的位置
def impute_data_by_mean_or_mode(dataset,column
insert into 表名 (字段名1,字段名2,字段名3.......) values(数据1,数据2,数据3........)
insert into `grade` (`gradename`) VALUES('一年级');
批量插入数据
insert into 表名 (字段1，字段2) values(数据1，数据2),(第二条数据1，数据2)
插入数据语句可以省略字段，但是值必须一一对应（主键可以省略）
insert into `student` values('.
创建
DataFrame
：
df
= pd.
DataFrame
(np.random.randint(0, 10, (2, 4)), columns=list('ABCD'))
为 data frame 添加新的属性列
df
['total'] =
df
['A'] +
df
['B'] +
df
['C'] +
df
['D']
# 等价于
df
['total'] =
df
.A +
df
.B +
df
.C...
公众号：尤而小屋作者：Peter编辑：Peter本文给大家介绍的是如何使用Pandas来操作字符串数据。字符串是一种常见的数据类型，我们遇到的文本、json数据等都是属于字符串的范畴。
Python
内置了很多处理字符串的方法，这些方法为我们处理和清洗数据提供了很大的便利。
python
内置方法#1、自定义字符串
x="hello
python
!"
x'hello
python
!'查看x的类型：...
学习链接: https://github.com/datawhalechina/joyful-pandas.
六、缺失数据6.1缺失值查看6.2缺失值符号6.3填充与删除6.4插值问题与练习
6.1缺失值查看
isna()、isnull()：如果是缺失值返回True，否则返回False
notna()：如果不是缺失值返回True，否则返回False
info()：输出整个表所有列的数据类型
df
.isna().sum() #每列有多少缺失值
df
[
df
['Physics'].isna(
