pandas之DateFrame

float_df = pd.DataFrame((0.45*np.arange(1,9)).reshape(4,2), index=[1,2,3,4], columns=['col_one', 'col_two'], dtype=float)
# print(float_df.round({'col_one': 2}))
# print(float_df.round({'col_one': 1, 'col_two': 2}))
# print(float_df.T) # 行列互换 转置
for col in float_df.columns:
    print(col)
    float_df[col] = float_df[col].apply(lambda x: '%.2f' % x)
print(float_df.values)
print(float_df.to_numpy()) 3pandas 0.24.0才有to_numpy

float_df['col_two'] = float_df['col_two'].apply(lambda x: '%.2f%%' % (x * 100))
print(float_df)
print(float_df.sort_values('col_one', ascending=False))  # index不会变化
print(float_df.nlargest(2,'col_one'))
df = pd.DataFrame(np.arange(1,9).reshape(2,4))

# print(df)
# print(df.values)
df.to_json(r'C:UsersaaaDesktopobj.json')
df.to_json(r'C:UsersaaaDesktop
ec.json', orient='records')

obj_df = pd.read_json(r'C:UsersaaaDesktopobj.json')
print(obj_df)
rec_df = pd.read_json(r'C:UsersaaaDesktop
ec.json')
print(rec_df)

df = pd.DataFrame(np.arange(1,10).reshape(3,3), index=['a', 'b', 'c'])
print(df.loc['a'][0]) # 选择1行1列的值
print(df.iloc[0][0])  # 选择1行1列的值
print(df.iloc[1:,1:])  # 选择1,2行, 1，2列的值
print(df.iloc[:,[1,2]])  # 选择所有行，1，2列的值
print(df.iloc[:,:2])  # 选择所有行，0，1列的值
print(df[1:3]) # 选择1 2行 索引从0开始
print(df[list(range(1,3))]) # 选择1 2列 索引从0开始  选择多列不能使用切片
print(df.values) # 输出一个二维数组
print(df.shape)
print(df.columns)  # 输出列索引名称
print(df.index)  # 输出列索引名称
print(len(df))  # 输出行数
print(df.columns.size)  # 输出列数
print(df.mean())  # 默认对每一列的数据求平均值
print(df.mean(1))  # 对每一行求平均值
print(df[1].value_counts())  # 统计第1列中各个值出现的次数：
print(df.describe())  # 对每一列数据进行统计，包括count，mean, std，min, 25%, 50%, 75%, max

SELECT CONCAT(`YEAR`, '年', LPAD(`MONTH`,2,0), '月') AS `datetime` FROM tb # 将1个数学的月转成两个数字