python问题汇总

野性酷女 2022-05-17 10:50 231阅读 0赞

1.pandas数据分析中，读取数据并选取其中一行想要输出，但是输出过程中数据并未全部显示，中间的部分用省略号代替了，但是，为了调试或发现所有值的可能性，有时需要数据全部显示，那么如何能让其显示全部数据？

参考[https://www.2cto.com/kf/201712/704750.html][https_www.2cto.com_kf_201712_704750.html]，在代码中加入

#pda.set_option('display.width',23752)  #这个可以不加
    pda.set_option('display.max_rows',None)

就可以啦！！！

还可以借鉴

[https://blog.csdn.net/xiaodongxiexie/article/details/70147683][https_blog.csdn.net_xiaodongxiexie_article_details_70147683]了解set\_option更多参数。

[https://blog.csdn.net/qq\_16234613/article/details/64217337][https_blog.csdn.net_qq_16234613_article_details_64217337]了解更多pandas的用法。

2.参考[https://blog.csdn.net/u012965373/article/details/70158129][https_blog.csdn.net_u012965373_article_details_70158129]做pandas匹配时，运行到

print(result.str.get(0))

时出错，可能是文章中是python2，而我用的是python3的原因吧，最后参考[https://blog.csdn.net/claroja/article/details/64929819][https_blog.csdn.net_claroja_article_details_64929819]，将最后的输出改成

#print(data.str.extract(pattern,expand=True))  #匹配不上的会用nan代替
    print(data.str.extractall(pattern))  #只返回匹配成功的

就可以啦！！！

pandas库了解可参考：[https://www.cnblogs.com/P--K/p/8443995.html][https_www.cnblogs.com_P--K_p_8443995.html]

3.pandas根据列的值选取某些行，比如“是否合格”这一列，合格记为0，不合格记为1，当想把所有的不合格项单个列出来找规律时，可参考[https://blog.csdn.net/KyrieHe/article/details/80422213][https_blog.csdn.net_KyrieHe_article_details_80422213]实现

data1=data.loc[data["是否合格"]==1]  
    data1.to_csv('unqualified_data.csv',encoding="utf-8_sig")

4.想要统计每个食品分类的合格率，参考[https://blog.csdn.net/qq\_22238533/article/details/72367792][https_blog.csdn.net_qq_22238533_article_details_72367792]（很好的参考）

d3=data.groupby(by=['一级分类','是否合格'])
    newdata=d3.size()
    print(newdata.reset_index(name='times'))
    newdata.to_csv('E:\\ruanjianinstall\\pycharm_project\\20180828\\times.csv',encoding='utf-8_sig')
    
    
    crosstab_data=pd.crosstab(data.一级分类,data.是否合格,margins=True)
    crosstab_data.to_csv('E:\\ruanjianinstall\\pycharm_project\\20180828\\crosstab_data.csv',encoding='utf-8_sig')

增加列的值计算：[https://blog.csdn.net/bxprog/article/details/47806409][https_blog.csdn.net_bxprog_article_details_47806409]

可能会用到的：[https://blog.csdn.net/prince140678/article/details/78811546][https_blog.csdn.net_prince140678_article_details_78811546]

5.python读取修改过的csv和xls文件时报错，不能解决，后来直接在虚拟机上打开没有修改过的csv和xls文件，在虚拟机上进行修改，修改完成后再发送到window下，window下可以打开文件，且在pycharm下可以读取（不知道为什么会这样）

6.python中dataframe常见操作：取行、列、切片、统计特征值

[https://blog.csdn.net/tanlangqie/article/details/78656588][https_blog.csdn.net_tanlangqie_article_details_78656588]

7.接下来主要参考：

[https://blog.csdn.net/lxcnn/article/details/4362500][https_blog.csdn.net_lxcnn_article_details_4362500]

[https://blog.csdn.net/rwangnqian/article/details/79000134][https_blog.csdn.net_rwangnqian_article_details_79000134]

[https://www.cnblogs.com/rongyux/p/5404917.html][https_www.cnblogs.com_rongyux_p_5404917.html]

[https_www.2cto.com_kf_201712_704750.html]: https://www.2cto.com/kf/201712/704750.html
[https_blog.csdn.net_xiaodongxiexie_article_details_70147683]: https://blog.csdn.net/xiaodongxiexie/article/details/70147683
[https_blog.csdn.net_qq_16234613_article_details_64217337]: https://blog.csdn.net/qq_16234613/article/details/64217337
[https_blog.csdn.net_u012965373_article_details_70158129]: https://blog.csdn.net/u012965373/article/details/70158129
[https_blog.csdn.net_claroja_article_details_64929819]: https://blog.csdn.net/claroja/article/details/64929819
[https_www.cnblogs.com_P--K_p_8443995.html]: https://www.cnblogs.com/P--K/p/8443995.html
[https_blog.csdn.net_KyrieHe_article_details_80422213]: https://blog.csdn.net/KyrieHe/article/details/80422213
[https_blog.csdn.net_qq_22238533_article_details_72367792]: https://blog.csdn.net/qq_22238533/article/details/72367792
[https_blog.csdn.net_bxprog_article_details_47806409]: https://blog.csdn.net/bxprog/article/details/47806409
[https_blog.csdn.net_prince140678_article_details_78811546]: https://blog.csdn.net/prince140678/article/details/78811546
[https_blog.csdn.net_tanlangqie_article_details_78656588]: https://blog.csdn.net/tanlangqie/article/details/78656588
[https_blog.csdn.net_lxcnn_article_details_4362500]: https://blog.csdn.net/lxcnn/article/details/4362500
[https_blog.csdn.net_rwangnqian_article_details_79000134]: https://blog.csdn.net/rwangnqian/article/details/79000134
[https_www.cnblogs.com_rongyux_p_5404917.html]: https://www.cnblogs.com/rongyux/p/5404917.html