pandas Excel, Nan 대체, 사전 변환
pandas Excel, Nan 대체, 사전 변환
pandas Excel 읽기 import pandas as pd
# 1： ， 2：sheet
pf = pd.read_excel(path, sheet_name='sheet1')
지정한 열 삭제 #
pf.drop([' ', ' ', ' '], axis=1, inplace=True)
열 이름 바꾸기 #
columns_map = {
' 1': 'newname_1',
' 2': 'newname_2',
' 3': 'newname_3',
' 4': 'newname_4',
' 5': 'newname_5',
#
'Unnamed: 10': 'newname_6',
}
new_fields = list(columns_map.values())
pf.rename(columns=columns_map, inplace=True)
pf = pf[new_fields]
Nan 교체
보통 사용pf.fillna(' ')
테이블의 빈 값을 대체합니다(Nan).하지만, fillna () 가 잘 안 될 때가 있다는 것을 발견할 수 있습니다. inplace = True# inplace=True
pf.fillna(' ', inplace=True)
공식 inplace에 대한 설명
inplace : boolean, default False If True, fill in place. Note: this will modify any other views on this object, (e.g. a no-copy slice for a column in a DataFrame).
전체 열 출력 숨기지 않음
import pandas as pd
# 1： ， 2：sheet
pf = pd.read_excel(path, sheet_name='sheet1')
#
pf.drop([' ', ' ', ' '], axis=1, inplace=True)
열 이름 바꾸기 #
columns_map = {
' 1': 'newname_1',
' 2': 'newname_2',
' 3': 'newname_3',
' 4': 'newname_4',
' 5': 'newname_5',
#
'Unnamed: 10': 'newname_6',
}
new_fields = list(columns_map.values())
pf.rename(columns=columns_map, inplace=True)
pf = pf[new_fields]
Nan 교체
보통 사용pf.fillna(' ')
테이블의 빈 값을 대체합니다(Nan).하지만, fillna () 가 잘 안 될 때가 있다는 것을 발견할 수 있습니다. inplace = True# inplace=True
pf.fillna(' ', inplace=True)
공식 inplace에 대한 설명
inplace : boolean, default False If True, fill in place. Note: this will modify any other views on this object, (e.g. a no-copy slice for a column in a DataFrame).
전체 열 출력 숨기지 않음
#
columns_map = {
' 1': 'newname_1',
' 2': 'newname_2',
' 3': 'newname_3',
' 4': 'newname_4',
' 5': 'newname_5',
#
'Unnamed: 10': 'newname_6',
}
new_fields = list(columns_map.values())
pf.rename(columns=columns_map, inplace=True)
pf = pf[new_fields]
보통 사용
pf.fillna(' ')
테이블의 빈 값을 대체합니다(Nan).하지만, fillna () 가 잘 안 될 때가 있다는 것을 발견할 수 있습니다. inplace = True
# inplace=True
pf.fillna(' ', inplace=True)
공식 inplace에 대한 설명
inplace : boolean, default False If True, fill in place. Note: this will modify any other views on this object, (e.g. a no-copy slice for a column in a DataFrame).
전체 열 출력 숨기지 않음
아래의 이 말을 더해서 인쇄하면 전열이 인쇄됩니다.
pd.set_option('display.max_columns', None)
print(pf)
Excel을 사전으로 변환 pf_dict = pf.to_dict(orient='records')
모든 코드 import pandas as pd
pf = pd.read_excel(path, sheet_name='sheet1')
columns_map = {
' 1': 'newname_1',
' 2': 'newname_2',
' 3': 'newname_3',
' 4': 'newname_4',
' 5': 'newname_5',
#
'Unnamed: 10': 'newname_6',
}
new_fields = list(columns_map.values())
pf.drop([' ', ' ', ' '], axis=1, inplace=True)
pf.rename(columns=columns_map, inplace=True)
pf = pf[new_fields]
pf.fillna('Unknown', inplace=True)
# pd.set_option('display.max_columns', None)
# print(smt)
pf_dict = pf.to_dict(orient='records')
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
형태소 분석은 데스크톱을 구성하는 데 도움이?
문자×기계 학습에 흥미를 가져와 개인 범위의 용도를 생각해, 폴더 정리에 사용할 수 있을까 생각해 검토를 시작했습니다.
이번 검토에서는 폴더 구성 & text의 읽기 → mecab × wordcloud를 실시하고 있...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.
pf_dict = pf.to_dict(orient='records')
import pandas as pd
pf = pd.read_excel(path, sheet_name='sheet1')
columns_map = {
' 1': 'newname_1',
' 2': 'newname_2',
' 3': 'newname_3',
' 4': 'newname_4',
' 5': 'newname_5',
#
'Unnamed: 10': 'newname_6',
}
new_fields = list(columns_map.values())
pf.drop([' ', ' ', ' '], axis=1, inplace=True)
pf.rename(columns=columns_map, inplace=True)
pf = pf[new_fields]
pf.fillna('Unknown', inplace=True)
# pd.set_option('display.max_columns', None)
# print(smt)
pf_dict = pf.to_dict(orient='records')
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
형태소 분석은 데스크톱을 구성하는 데 도움이?문자×기계 학습에 흥미를 가져와 개인 범위의 용도를 생각해, 폴더 정리에 사용할 수 있을까 생각해 검토를 시작했습니다. 이번 검토에서는 폴더 구성 & text의 읽기 → mecab × wordcloud를 실시하고 있...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.
좋은 웹페이지 즐겨찾기
