假設您有一個名為 pandas.xlsx 的 Excel 檔案儲存在您的位置。解決方案為此，我們將遵循以下步驟 - 定義 pd.read_excel 方法以從 pandas.xlsx 檔案讀取資料並將其儲存為 df df = pd.read_excel('pandas.xlsx') 應用 df.iloc[:, 0] 列印第一列的所有行 df.iloc[:, 0] 應用 df.iloc[:, -1] 列印最後一列的所有行 df.iloc[:, -1] 示例讓我們看看下面的實現以更好地理解 - import pandas as pd df = pd.read_csv('products.csv') print("第一列的所有行是") print(df.iloc[:, 0]) print("最後一列的所有行是") print(df.iloc[:, -1]) 輸出第一列的所有行是 0     ... 閱讀更多

假設您的 csv 檔案中有以下資料，並將其儲存為 pandas.csv。pandas.csvId, Data 1, 11 2, 22 3, 33 4, 44 5, 55 6, 66 7, 77 8, 88 9, 99 10, 100 最後兩條記錄的總和結果為：最後兩行的和：Id    9 Data 99 解決方案 1 使用以下方法訪問從 csv 檔案儲存的資料並將其儲存為資料，data = pd.read_csv('pandas.csv') 將資料轉換為資料框並存儲在 df 中，df = pd.DataFrame(data) 應用以下方法獲取最後兩條記錄並計算總和，df.tail(2)).sum() 示例讓我們看看下面的實現 ... 閱讀更多

假設您有一個數據框，將資料框匯出到多個工作表的的結果如下所示：為此，我們將遵循以下步驟 - 解決方案匯入 xlsxwriter 模組以使用 excel 轉換 定義資料框並將其分配給 df 在您要建立的 excel 名稱中應用 pd.ExcelWriter 函式並將引擎設定為 xlsxwriter excel_writer = pd.ExcelWriter('pandas_df.xlsx', engine='xlsxwriter') 使用以下方法將資料框轉換為多個 excel 工作表，df.to_excel(excel_writer, sheet_name='first_sheet') df.to_excel(excel_writer, sheet_name='second_sheet') df.to_excel(excel_writer, sheet_name='third_sheet') 最後儲存 excel_writerexcel_writer.save() 示例讓我們理解下面的程式碼以更好地理解 - import pandas as pd import xlsxwriter df = pd.DataFrame({'Fruits': ["Apple", "Orange", "Mango", "Kiwi"],       ... 閱讀更多

假設您有一個序列，分離字母和數字並將其儲存在資料框中的結果如下所示：序列是：0    abx123 1    bcd25 2    cxy30 dtype: object 資料框是    0   1 0 abx 123 1 bcd 25 2 cxy 30 為此，我們將遵循以下方法，解決方案定義一個序列。在 Apple series extract 方法中使用正則表示式模式分離字母和數字，然後將其儲存在資料框中 - series.str.extract(r'(\w+[a-z])(\d+)') 示例讓我們看看下面的實現以更好地理解 - import pandas as pd series = pd.Series(['abx123', 'bcd25', 'cxy30']) print("序列是：", series) df ... 閱讀更多

假設您有一個序列，過濾阿姆斯特朗數的結果如下所示：原始序列是 0    153 1    323 2    371 3    420 4    500 dtype: int64 阿姆斯特朗數是：- 0    153 2    371 dtype: int64 為此，我們將遵循以下步驟 - 定義一個序列。建立一個空列表並設定 for 迴圈以訪問所有序列資料。設定阿姆斯特朗初始值為 0 並建立一個臨時變數來逐個儲存序列元素。它定義如下，l = [] for val in data:    armstrong = 0   ... 閱讀更多

假設您有一個數據框，在一個序列中打亂所有資料的結果如下所示：原始序列是 0    1 1    2 2    3 3    4 4    5 dtype: int64 打亂後的序列是：0    2 1    1 2    3 3    5 4    4 dtype: int64 解決方案 1 定義一個序列。應用隨機打亂方法將序列資料作為引數並打亂它。data = pd.Series([1, 2, 3, 4, 5]) print(data) rand.shuffle(data) 示例讓我們看看下面的程式碼以更好地理解 - import pandas as pd import random as rand data ... 閱讀更多

假設您有一個數據框，將浮點數轉換為整數的結果如下所示：轉換前 Name      object Age      int64 Maths    int64 Science  int64 English  int64 Result    float64 dtype: object 轉換後 Name    object Age    int64 Maths  int64 Science int64 English int64 Result int64 dtype: object 為此，我們將遵循以下步驟 - 解決方案定義一個數據框 將浮點資料型別列“Result”轉換為“int”，如下所示 - df.Result.astype(int) 示例讓我們看看下面的實現以更好地理解 - import pandas as pd data = {'Name': ['David', 'Adam', ... 閱讀更多

假設您有資料框，交換最後兩行的結果如下所示：交換前   Name    Age Maths Science English 0 David   13   98      75    79 1 Adam    12   59      96    45 2 Bob      12   66      55    70 3 Alex      13   95      49    60 4 Serina  12   70      78    80 交換後    Name  Age Maths Science English 0 David   13   98    75    79 1 Adam    12   59 ... 閱讀更多

假設您有一個數據框， one  two three 0 1    2    3 1 4    5    6 刪除一列後的結果是， two three 0 2    3 1 5    6 刪除多列後的結果是， three 0 3 1 6 為此，我們將遵循以下步驟 - 解決方案 1 定義一個數據框 使用以下方法刪除特定列，del df['one'] 示例讓我們看看下面的程式碼以更好地理解 - import pandas as pd data = [[1, 2, 3], [4, 5, 6]] df = pd.DataFrame(data, columns=('one', 'two', 'three')) print("刪除前 ... 閱讀更多

假設您有以下序列，序列是：0    1 1    22 2    3 3    4 4    22 5    5 6    22 重複次數最多的元素的結果是，重複的元素是：22 解決方案為此，我們將遵循以下方法，定義一個序列 設定初始計數為 0 並將 max_count 值設定為序列的第一個元素值 data[0] count = 0 max_count = data[0] 建立 for 迴圈以訪問序列資料並將 frequency_count 設定為 l.count(i) for i in data:    frequency_count = l.count(i) 設定 if 條件以與 max_count 值進行比較，如果條件為真 ... 閱讀更多