一、Pandas如何將表格的前幾行生成html

實戰場景：Pandas如何將表格的前幾行生成html

1.1主要知識點

• 文件讀寫
• 基礎語法
• Pandas
• numpy

實戰：

1.2創建 python 文件

import numpy as np
import pandas as pd
?
np.random.seed(66)
s1 = pd.Series(np.random.rand(20))
s2 = pd.Series(np.random.randn(20))
df = pd.concat([s1, s2], axis=1)
df.columns = ['col1', 'col2']
# df.head 取前5行
print(df.head(5).to_html())

1.3運行結果?

<table border="1" class="dataframe">
? <thead>
? ? <tr style="text-align: right;">?
? ? ? <th></th>
? ? ? <th>col1</th>
? ? ? <th>col2</th>
? ? </tr>
? </thead>
? <tbody>
? ? <tr>
? ? ? <th>0</th>
? ? ? <td>0.154288</td>
? ? ? <td>-0.180981</td>
? ? </tr>
? ? <tr>
? ? ? <th>1</th>
? ? ? <td>0.133700</td>
? ? ? <td>-0.056043</td>
? ? </tr>
? ? <tr>
? ? ? <th>2</th>
? ? ? <td>0.362685</td>
? ? ? <td>-0.185062</td>
? ? </tr>
? ? <tr>
? ? ? <th>3</th>
? ? ? <td>0.679109</td>
? ? ? <td>-0.610935</td>
? ? </tr>
? ? <tr>
? ? ? <th>4</th>
? ? ? <td>0.194450</td>
? ? ? <td>-0.048804</td>
? ? </tr>
? </tbody>
</table>

二、Pandas如何計算一列數字的中位數

實戰場景：Pandas如何計算一列數字的中位數

2.1主要知識點

• 文件讀寫
• 基礎語法
• Pandas
• numpy

實戰：

2.2創建 python 文件

import numpy as np
import pandas as pd
?
np.random.seed(66)
s1 = pd.Series(np.random.rand(20))
s2 = pd.Series(np.random.randn(20))
?
df = pd.concat([s1, s2], axis=1)
df.columns = ['col1', 'col2']
?
?
#median直接算中位數
print(df["col2"].median())
#用50%分位數
print(df["col2"].quantile())

2.3運行結果

-0.2076894596485453
-0.2076894596485453

三、Pandas如何獲取某個數據列最大和最小的5個數

實戰場景：Pandas如何獲取某個數據列最大和最小的5個數

3.1主要知識點

• 文件讀寫
• 數據合并
• Pandas
• numpy

實戰：

3.2創建 python 文件

iimport numpy as np
import pandas as pd
?
np.random.seed(66)
s1 = pd.Series(np.random.rand(20))
s2 = pd.Series(np.random.randn(20))
?
#合并兩個Series到DF
df = pd.concat([s1, s2], axis=1)
df.columns = ['col1', 'col2']
?
# 取最大的五個數
?
print(df["col2"].nlargest(5))
print()
# 取最小的五個數
print(df["col2"].nsmallest(5))

3.3運行結果

12 ? ?1.607623
17 ? ?1.404255
19 ? ?0.675887
13 ? ?0.345030
Name: col2, dtype: float64

16 ? -1.220877
18 ? -1.215324
11 ? -1.003714
8 ? ?-0.936607
5 ? ?-0.632613
Name: col2, dtype: float64

四、Pandas如何查看客戶是否流失字段的數據映射

實戰場景：Pandas如何查看客戶是否流失字段的數據映射

4.1主要知識點

• 文件讀寫
• 基礎語法
• Pandas
• numpy

4.2創建 python 文件

"""
Churn:客戶是否流失
Yes -> 1
No -> 0
實現字符串到數字的映射
"""
import pandas as pd
df = pd.read_csv("Telco-Customer-Churn.csv")

#返回取值，及其取值多少次
print(df["Churn"].value_counts())
?
df["Churn"] = df["Churn"].map({"Yes": 1, "No": 0})
print()
print(df["Churn"].value_counts())
print(df.describe(include=["category"]))

4.3運行結果

No ? ? 5174
Yes ? ?1869
Name: Churn, dtype: int64

0 ? ?5174
1 ? ?1869
Name: Churn, dtype: int6