import pandas as pd
import numpy as np
rows = 4
cols = 4
df = pd.DataFrame(np.zeros((rows, cols)))
Je l'ai utilisé lorsque je voulais «diviser» l'élément extrait du tableau numpy et vérifier le nombre de chiffres dans la partie minoritaire.
Puisque split est une méthode de type str, convertissez-la en str et récupérez-la.
import numpy as np
narr = np.array([1.3334, 5.3343, 7.3322])
n_to_str = np.array2string(x[0])
print(len(n_to_str.split('.')[-1]))
# 4
Lorsque vous voulez vous connecter à l'extrême droite
a = [1,2,3]
b = [1,2,3]
bf = pd.DataFrame()
bf['a'] = a
bf['b'] = b
a b
0 1 1
1 2 2
2 3 3
a = [1,2,3]
b = [1,2,3]
bf = pd.DataFrame(a, columns=['a'])
bf.insert(1, "b", b)
a b
0 1 1
1 2 2
2 3 3
Connectés ensemble
a = [1,2,3]
b = [1,2,3]
c = [1,2,3]
cols = {
"a":a,
"b":b,
"c":c
}
da = pd.DataFrame(cols)
#Connecté horizontalement
print(pd.concat([da,da], axis=1, ignore_index=True))
print()
#Connecté verticalement
# ignore_Si l'index n'est pas spécifié comme True, ce sera 012012.
print(pd.concat([da,da], axis=0, ignore_index=True))
0 1 2 3 4 5
0 1 1 1 1 1 1
1 2 2 2 2 2 2
2 3 3 3 3 3 3
a b c
0 1 1 1
1 2 2 2
2 3 3 3
3 1 1 1
4 2 2 2
5 3 3 3
Il s'agit d'une technique de conversion vers un format qui peut être géré par python lors du calcul des données de date et d'heure.
La conversion en horodatage facilite la gestion du déplacement des secondes, des minutes et des heures.
Un exemple d'essayer de calculer sans rien faire
#Exemple) 1:59:50 + 0:00::20 = 2:00:10
#Lorsque vous ne convertissez pas en horodatage
hour = 1
minute = 59
sec = 50
add_hour = 0
add_minute = 0
add_sec = 20
if sec + add_sec > 60 or minute + add_minute > 60 or hour + add_hour > 24:
#Processus de transport
else:
#Traitement lorsqu'il ne monte pas
Chaîne datetime,Convertir en horodatage
from datetime import datetime
s = "2020.07.10 22:59:59"
date = datetime.strptime(s, "%Y.%m.%d %H:%M:%S")
print(date)
# 2020-07-10 22:59:59
timestamp = datetime.timestamp(date)
print(timestamp)
# 1594389599.0
Après avoir mis l'horodatage dans une liste, etc., renvoyez-le à une chaîne de caractères
from datetime import datetime
t_list = [1594177973.0,1594177974.0,1594177975.0]
print(type(t_list[0]))
# float
#Convertir en type datetime puis en chaîne
datetime.fromtimestamp(t_list[0]).strftime("%H:%M:%S")
# '12:12:53'
Vous pouvez ajouter ou soustraire à un objet datetime.datetime en utilisant datetime.timedelta
Prend en charge les calculs pendant des semaines, des jours, des heures, des minutes, des secondes
import datetime
#Heure actuelle
now = datetime.datetime.now()
print(now)
# 2020-07-11 18:19:47.149523
#Ajouter 10 secondes à l'heure actuelle
now_add_10sec = now + datetime.timedelta(seconds=10)
print(now_add_10sec)
# 2020-07-11 18:19:57.149523
Utilisez numpy convolve. C'est plus rapide que «pandas rollin», et le code est court et facile à comprendre.
period = 3 #Période moyenne
data = np.arange(1,10)
print(data)
print(len(data))
# mode = { same, valid, full }Vous pouvez choisir
# same:Le nombre d'éléments dans le résultat du calcul est de la même taille(non recommandé)
# valid:Il y a de nombreuses considérations, mais la taille est(period-1)Être gratté(Recommandation)
# full:Taille accrue (non recommandée))
average = np.convolve(data, np.ones(period)/period, mode='valid')
print(average)
print(len(average))
print([np.nan]*(period-1) + average.tolist()) #Mettez Nan dans la partie grattée
[1 2 3 4 5 6 7 8 9]
9
[2. 3. 4. 5. 6. 7. 8.]
7
[nan, nan, 2.0, 3.0, 3.9999999999999996, 5.0, 6.0, 7.0, 8.0]
Recommended Posts