No module named ‘pandas.core.indexes’
python 3.x - ModuleNotFoundError: No module named ‘pandas.core.indexes’ - Stack Overflow
python - ImportError: No module named ‘pandas.indexes’ - Stack Overflow
Pandas保存数据到文件
DataFrame 数据的保存和读取
df.to_csv # 写入到 csv 文件
pd.read_csv # 读取 csv 文件
df.to_json # 写入到 json 文件
pd.read_json # 读取 json 文件
df.to_html # 写入到 html 文件
pd.read_html # 读取 html 文件
df.to_excel # 写入到 excel 文件
pd.read_excel # 读取 excel 文件
pandas.DataFrame.to_csv
将 DataFrame 写入到 csv 文件
DataFrame.to_csv(
path_or_buf=None, sep=',', na_rep='', float_format=None, columns=None,
header=True, index=True, index_label=None, mode='w',
encoding=None, compression=None, quoting=None, quotechar='"',
line_terminator='\n', chunksize=None, tupleize_cols=None,
date_format=None, doublequote=True, escapechar=None, decimal='.')
参数：
path_or_buf: 文件路径，如果没有指定则将会直接返回字符串的 jsonsep: 输出文件的字段分隔符，默认为 “,”na_rep: 用于替换空数据的字符串，默认为’’float_format: 设置浮点数的格式（几位小数点）columns: 要写的列header: 是否保存列名，默认为 True ，保存index: 是否保存索引，默认为 True ，保存index_label: 索引的列标签名
pandas.DataFrame.to_json()
将 Dataframe 写入到 json 文件
DataFrame.to_json(path_or_buf=None, orient=None, date_format=None, double_precision=10, force_ascii=True,
date_unit='ms', default_handler=None, lines=False, compression=None, index=True)
参数：
path_or_buf: 文件路径，如果没有指定则将会直接返回字符串的 json。
pandas.DataFrame.to_html
将 Dataframe 写入到 html 文件
DataFrame.to_html(buf=None, columns=None, col_space=None, header=True,
index=True, na_rep='NaN', formatters=None, float_format=None,
sparsify=None, index_names=True, justify=None, bold_rows=True, classes=None,
escape=True, max_rows=None, max_cols=None, show_dimensions=False,
notebook=False, decimal='.', border=None, table_id=None)
df.to_html 生成的是一个 html 格式的 table 表，我们可以在前后加入其他标签，丰富页面。ps：如果有中文字符，需要在 head 中设置编码格式。
参考：Pandas Dataframes to_html: Highlighting table rows
pandas.DataFrame.to_excel
将 DataFrame 写入 excel 文件
DataFrame.to_excel(excel_writer, sheet_name='Sheet1', na_rep='',
float_format=None, columns=None, header=True, index=True,
index_label=None, startrow=0, startcol=0, engine=None,
merge_cells=True, encoding=None, inf_rep='inf', verbose=True,
freeze_panes=None)
pandas.read_excel()
可能遇到的报错：
ImportError: Missing optional dependency 'xlrd'. Install xlrd >= 1.0.0 for Excel support Use pip or conda to install xlrd.
解决方法：安装 xlrd 包。
stackoverflow 讨论：Python: Pandas pd.read_excel giving ImportError: Install xlrd >= 0.9.0 for Excel support
其他文章：
- http://www.dcharm.com/?p=584
- https://blog.csdn.net/sinat_29957455/article/details/79059436
- https://www.cnblogs.com/pengsixiong/p/5050833.html
Pandas 查询
import pandas as pd
import numpy as np
df=pd.DataFrame({'Name':['JOHN','ALLEN','BOB','NIKI','CHARLIE','CHANG'], 'Age':[35,42,63,29,47,51], 'Salary_in_1000':[100,93,78,120,64,115], 'FT_Team':['STEELERS','SEAHAWKS','FALCONS','FALCONS','PATRIOTS','STEELERS']})
df.loc[(df['Salary_in_1000']>=100) & (df['Age']< 60) & (df['FT_Team'].str.startswith('S')),['Name','FT_Team']]
idx = np.where((df['Salary_in_1000']>=100) & (df['Age']< 60) & (df['FT_Team'].str.startswith('S')))
df.query('Salary_in_1000 >= 100 & Age < 60 & FT_Team.str.startswith("S").values')
df[(df['Salary_in_1000']>=100) & (df['Age']<60) & df['FT_Team'].str.startswith('S')][['Name','Age','Salary_in_1000']]
df[df.eval("Salary_in_1000>=100 & (Age <60) & FT_Team.str.startswith('S').values")]
Pandas 提速
- Pandas进阶之提速遍历操作 - 简书
- pandas 判断某一列数据是否在另一列中 - 简书
- pandas筛选某列是否包含指定的字符串 - 知乎
- Python3 pandas(3)筛选数据isin(), str.contains() - 知乎
- numpy ndarray 按条件筛选数组，关联筛选_y小川的专栏-CSDN博客
- numpy中实现ndarray数组返回符合特定条件的索引方法_python_脚本之家
-
[从 Pandas 小白到 Pandas 能手 远行的舟](https://www.longzf.com/from_Pandas-wan_to_Pandas-master/) - pandas条件查询条件筛选优化_zypaslx的专栏-CSDN博客
pd.reset_index() 函数解析_python重置索引
下篇Make