目录

• 一、Pandas如何将表格的前几行生成html
• 1.1主要知识点
• 1.2创建 python 文件
• 1.3运行结果 
• 二、Pandas如何计算一列数字的中位数
• 2.1主要知识点
• 2.2创建 python 文件
• 2.3运行结果
• 三、Pandas如何获取某个数据列最大和最小的5个数
• 3.1主要知识点
• 3.2创建 python 文件
• 3.3运行结果
• 四、Pandas如何查看客户是否流失字段的数据映射
• 4.1主要知识点
• 4.2创建 python 文件
• 4.3运行结果

一、Pandas如何将表格的前几行生成html

实战场景：Pandas如何将表格的前几行生成html

1.1主要知识点

• 文件读写
• 基础语法
• Pandas
• numpy

实战：

1.2创建 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运行结果 

<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如何计算一列数字的中位数

实战场景：Pandas如何计算一列数字的中位数

2.1主要知识点

• 文件读写
• 基础语法
• Pandas
• numpy

实战：

2.2创建 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直接算中位数
print(df["col2"].median())
#用50%分位数
print(df["col2"].quantile())

2.3运行结果

-0.2076894596485453
-0.2076894596485453

三、Pandas如何获取某个数据列最大和最小的5个数

实战场景：Pandas如何获取某个数据列最大和最小的5个数

3.1主要知识点

• 文件读写
• 数据合并
• Pandas
• numpy

实战：

3.2创建 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))
 
#合并两个Series到DF
df = pd.concat([s1, s2], axis=1)
df.columns = ['col1', 'col2']
 
# 取最大的五个数
 
print(df["col2"].nlargest(5))
print()
# 取最小的五个数
print(df["col2"].nsmallest(5))

3.3运行结果

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如何查看客户是否流失字段的数据映射

实战场景：Pandas如何查看客户是否流失字段的数据映射

4.1主要知识点

• 文件读写
• 基础语法
• Pandas
• numpy

4.2创建 python 文件

"""
Churn:客户是否流失
Yes -> 1
No -> 0
实现字符串到数字的映射
"""
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运行结果

No     5174
Yes    1869
Name: Churn, dtype: int64

0    5174
1    1869
Name: Churn, dtype: int6

原文地址：https://blog.csdn.net/qq_39816613/article/details/126226763