烤箱的使用用方法视频,推荐使用import方法导入

对于数据科学家，无论是数据分析还是数据挖掘来说，Pandas是一个非常重要的Python包。它不仅提供了很多方法，使得数据处理非常简单，同时在数据处理速度上也做了很多优化，使得和Python内置方法相比时有了很大的优势。

导入数据 pd.read_csv(filename, dtype={‘Payment Transaction ID’:‘str’})：从CSV文件导入数据pd.read_table(filename)：从限定分隔符的文本文件导入数据pd.read_excel(filename)：从Excel文件导入数据pd.read_sql(query, connection_object)：从SQL表/库导入数据pd.read_json(json_string)：从JSON格式的字符串导入数据pd.read_html(url)：解析URL、字符串或者HTML文件，抽取其中的tables表格pd.read_clipboard()：从你的粘贴板获取内容，并传给read_table()pd.DataFrame(dict)：从字典对象导入数据，Key是列名，Value是数据 输出数据 pd.to_csv(path, index=True) 导出到CSV表格 增 删 查 判断dataFrame是否非空 # DataFrame 内置的属性，可以看到虽然调用简单，但他是最耗时的df.empty# 通过Python内置len方法判断 DataFrame 的行数，相对来说速度比较快，是第1种的3倍len(df)==0 # 判断 DataFrame 的行索引的值数量，这已经到达纳秒级别了，是其中最快的方式len(df.index)==0 改 查看、检查数据

df：任意的Pandas DataFrame对象【比如pd的返回值】
s：任意的Pandas Series对象

df.head(n)：查看DataFrame对象的前n行df.tail(n)：查看DataFrame对象的最后n行df.shape()：查看行数和列数df.info()：查看索引、数据类型和内存信息df.describe()：查看数值型列的汇总统计 s.s.value_counts(dropna=False)：查看Series对象的唯一值和计数df.apply(pd.Series.value_counts)：查看DataFrame对象中每一列的唯一值和计数 import pandas as pdRAW_DATA_DIR = 'data_raw/'##将一个或多个路径正确地连接起来sample_tsv_path = os.path.join(RAW_DATA_DIR, 'normal_1/airsim_rec.txt')#读取数据sample_tsv = pd.read_csv(sample_tsv_path, sep='t')#查看数据sample_tsv.head() 参考文档

https://blog.csdn.net/qq_33399185/article/details/60872853
Pandas中文网