df.select_dtypes ( include = none, exclude = none )
- Seleccione todos los tipos numéricos, use np.number o number
- Seleccione todas las cadenas, use el tipo de objeto
- 选择 datetime, 用 datetime o datetime64
- 选择 timedeltas, 用 delta hora
- Seleccione el tipo categórico de pandas, use 'categoría' ??
ej .:
df.select_dtypes (include = ['objeto'])
Aquí, las columnas seleccionadas son todas columnas de tipo cadena en el marco de datos
~ En Python, significa lo contrario, ¡un poco similar a sql! =
Seleccione algunas filas en el DataFrame, puede usar ~ para obtener False de True
dropna: elimine el registro de fila con valor nulo
dropna (subconjunto = ['xx', 'xxx']): encuentre registros de valor libre en las columnas xx y xxx, y elimine
Python-utils
- Es un kit de herramientas que integra muchas funciones de Python y clases comúnmente utilizadas o reutilizables.
- Cuando creamos el código, también podemos poner la función o clase que se puede reutilizar en utils y llamarlo junto con el código principal
df.empty: devuelve True, si el marco de datos está vacío, de lo contrario devuelve False
Counter (): en Python 3, se usa para asignar el valor del número requerido, por
ejemplo:
c = Counter () # Crear un nuevo contador vacío
c = Counter ('abcasdf') # Un contador generado por un objeto iterativo
c = Counter ({'rojo': 4, 'yello': 2}) # Un mapa generado contador
c = Contador (gatos = 2, perros = 5) # contador generado por el parámetro de palabra clave
genera contador, aunque no es útil aquídesde colecciones Importar Contador
c = Contador ('abcasd')
c
Contador ({'a': 2, 'c': 1, 'b': 1, 's': 1, 'd': 1})c2 = Contador ©
c2
Contador ({'a': 2, 'c': 1, 'b': 1, 's': 1, 'd': 1})