🚀 Python 🚀 🌲 算法刷题专栏 | 面试必备算法 | 面试高频算法 🍀 🌲 越难的东西,越要努力坚持，因为它具有很高的价值，算法就是这样✨ 🌲 作者简介：硕风和炜，…

import pandas as pd import numpy as nporigin pd.read_csv("DRUG1n.csv") origin.iloc[:,-1]

dataframe如下: dfa b0 1 21 3 52 5 63 7 94 2 45 3 0df1 df.loc[4]输出为：a 2b 4df2 df.iloc[[0,2,4]]输出为：a b0 1 22 5 64 2 4

在使用dataframe处理数据的时候碰到了按照条件选取行的问题，单个条件时可以使用： df[df[one] > 5] 如果多个条件的话需要这么写： import numpy as np df[np.logical_and(df[one]> 5,df[two]>5)] 也可以这么写 df[(df[one]>…

在daraframe中去掉包含“金融业”的整行记录 import pandas as pd df pd.DataFrame(data[{symbol:000001,Industry:金融业}, {symbol:000002,Industry:采矿业}, {symbol: 000003, Industry: 建筑业}]) dfdf.drop(df.index[(df[Industry] 金融业)], inplaceTrue) df参考链接 …

origin1 origin.loc[origin[class].isin([1])]这里就将origin中class为1的所有行都提取了出来

处理多种特殊条件的行 删除"444"这一列删除第二行删除含某特定字符串的行删除含某特定数字的行删除行中包含某列表中数据的行仅保留行中包含某列表中数据的行删除行中数据大于或小于某值的行对某列数据同时进行特殊处理 # 创建dataframe df pd.DataFrame([[AAA,cc…

如果要获取某一列数据有两种方式: import pandas as pd series pd.Series(range(5), index [a, b, c, d, e]) df pd.DataFrame(np.arange(9).reshape(3,3),index [a,b,c],columns [A,B,C]) a df[A] b df.A print(a, \n, "*"*30, \n, b)输出结果： …