def DataframeMinTest():
df = pd.DataFrame(np.random.randn(1000, 3), columns=list('ABC'))
print(df.shape)
# 方式一 取AB两列小值合成D列
df['D'] = df.loc[:, ['A', 'B']].min(axis=1)
# 方式二 取AC两列大值合成E列
df['E'] = np.max(df.loc[:, ['A', 'C']].values, axis=1)
print(df.head(10))
if __name__ == '__main__':
DataframeMinTest()
(1000, 3)
A B C D E
0 -0.879277 -1.027903 -0.602419 -1.027903 -0.602419
1 1.010298 1.604261 -0.097757 1.010298 1.010298
2 -0.228731 0.646538 0.020998 -0.228731 0.020998
3 1.404384 -1.681164 0.134697 -1.681164 1.404384
4 -0.368503 0.270716 1.419268 -0.368503 1.419268
5 2.238605 1.628516 -1.984287 1.628516 2.238605
6 0.652273 -0.166380 1.855101 -0.166380 1.855101
7 0.602067 0.604722 -0.640275 0.602067 0.602067
8 -2.775687 -2.649085 0.502292 -2.775687 0.502292
9 0.031345 0.419377 -0.445941 0.031345 0.031345
s = pd.Series([10.0247,10.0470, 10.0647,10.0761,15.0800,10.0761,10.0647,10.0470,10.0247,10.0,9.9753,9.9530,9.9353,9.9239,18.92,9.9239,9.9353,9.9530,9.9753,10.0])
df = pd.
DataFrame
(s)
df.columns=['value']
df['val_1'] = df['val
3、根据现有列计算生成新的列
dataframe
根据某列的
值
生成新的列
df2[‘是否逾期’]=df2.apply(lambda x:0 if x.应付日期>today_time else 1,axis=1)
df2[‘是否到期90天’]=(today_time -
可以使用 df.iloc[:, :-1] 来获取除了df的最后一列之外的所有列，然后将其赋
值
给新的变量df2即可创建df的副本df2。
import
pandas
as pd
# 创建一个示例数据
df = pd.
DataFrame
({'col1': [1, 2, 3], 'col2': [4, 5, 6], 'col3': [7, 8, 9]})
# 创建df的副本df2
df2 =...
文章目录一、整体介绍1.1
Pandas
优点1.2
Pandas
的数据类型1.3 Series 和
DataFrame
共性索引和列信息查看标量化计算查看是否包含某个元素
值
二、Series和
DataFrame
常用操作2.1 SeriesSeries的索引操作2.2
DataFrame
2.2.1 创建
DataFrame
对象输入数据类型实例（创建及reindex）2.2.2 查询和赋
值
通过行列索引查询条件查询数据赋
值
2.2.3 索引和切片（待补充）索引对象切片map和apply函数（待补充）元素级运算（待补充
接上节Jingwei：从零开始使用
python
/
pandas
操作Excel (1)zhuanlan.zhihu.com
pandas
读取Excel数据表进阶接下来我们再来看一个例子。其中B2至D2为列标题。图1 Excel数据表示例注意，此时的数据表不再是Excel文件的第一张表。用默认方式读取Excel文件将获得Sheet1的数据。然而Sheet1没有数据，所以读取的结果就是一个空数据表。图2 ...
df_new.eval('Primary_Total_edu = Primary_Total_enrollment - Primary_Total_drop', inplace=True)
df_new.eval('Upper_Primary_Total_edu = Upper_Primary_Total_enrollment - Upper_Primary_Total_drop', inplace=True)
print(df_new.head())
eval非常方便，
上图将 小学（初中）入学率这一列
代码如下：data=pd.
DataFrame
(np.random.randn(5,5),columns=list('abcde'))def fun1(s): if s >0.9: return 1 elif s>0.5: return 0 else: return -1def fun2(s,d): if np.exp(s...
