1、巢狀字典傳給dataframe時，外層字典的鍵作為列，內層鍵作為行索引。
>>> pop=,'ohio':}
>>> frame3=pd.dataframe(pop)
>>> frame3
nevada ohio
2000 nan 1.5
2001 2.4 1.7
2002 2.9 3.6
>>> obj=pd.series(np.arange(4),index=['a','b','c','d'])
>>> obj
a 0
b 1
c 2
d 3
dtype: int32
>>> obj['b':'c']
b 1
c 2
dtype: int32
>>> obj[2:4]
c 2
d 3
dtype: int32
>>> frame=pd.dataframe(np.random.randn(4,3),columns=list('bde'),index=['utah','ohio','texas','oregon'])
>>> frame
b d e
utah -2.154869 0.258531 0.259937
ohio 1.141130 -0.176782 -0.096375
texas -1.250416 1.082767 -0.590113
oregon -0.017656 -0.274536 -0.805041
>>> f=lambda x:x.max()-x.min()
b 3.295999
d 1.357303
e 1.064978
dtype: float64
5、loc：通過行標籤索引行資料；iloc：通過行號索引行資料；ix：通過行標籤或者行號索引行資料
>>> df=pd.dataframe(np.random.randn(4,3),index=['a','a','b','b'])
>>> df
0 1 2
a 0.101699 -0.899057 2.059372
a 1.982451 -0.310547 -1.294779
b -0.319136 -0.291461 -0.272351
b 0.586648 1.485952 0.462408
>>> df.ix['b']
0 1 2
b -0.319136 -0.291461 -0.272351
b 0.586648 1.485952 0.462408
>>> df.loc['b']
0 1 2
b -0.319136 -0.291461 -0.272351
b 0.586648 1.485952 0.462408
>>> df.iloc[0]
0 0.101699
1 -0.899057
2 2.059372
name: a, dtype: float64
>>> df=pd.dataframe([[1.4,np.nan],[7.1,-4.5],[np.nan,np.nan],[0.75,-1.3]],index=['a','b','c','d'],columns=['one','two'])
>>> df.describe()
one two
count 3.000000 2.000000
mean 3.083333 -2.900000
std 3.493685 2.262742
min 0.750000 -4.500000
25% 1.075000 -3.700000
50% 1.400000 -2.900000
75% 4.250000 -2.100000
max 7.100000 -1.300000
mysql易混淆點
1 alter table 表名 change name names char 40 after 欄位名 改變位置放到字段之後 before 放到字段之前 2 查詢要攜帶索引字段，通常放在select之後第乙個 3 檢視檢視命令 show table status where comment vie...
C 易混淆點（二）
二進位制的100 的第0位是 0 1 第二位 0 第一位 0 第0位 所以把乙個數的第三位進行清零 置位 取反的操作如下 include define bit3 0x01 3 對乙個數的第三位進行清零 置位 取反 int main 程式的儲存區域分為 段 唯讀資料段 已初始化的讀寫資料段 未初始化的...
setInterval 使用時易疏忽的點
螢幕快照 2018 03 22 下午8.53.24 螢幕快照 2018 03 22 下午8.53.24.png 螢幕快照 2018 03 22 下午8.41.52 螢幕快照 2018 03 22 下午8.41.52.png 螢幕快照 2018 03 22 下午8.41.19 螢幕快照 2018 03...