Python 常用操作

matplotlib 中文和负号

import matplotlib.pyplot as plt
plt.rcParams['font.family'] = 'SimHei'  # 中文
plt.rcParams['axes.unicode_minus'] = False      # 显示负号
%config InlineBackend.figure_format = 'retina' # notebook画图更清晰，非notebook不需要

pandas 索引切片

# 基于标签索引
df.loc[行索引, 列索引]
df.loc[行索引]

# 基于整数索引
df.iloc[行索引, 列索引] 
df.iloc[行索引]

都适用于布尔数组

pandas DataFrame 转 Numpy 数组

d = df.values
d = np.numpy(df)

pandas apply 自定义函数

参考链接：Pandas数据处理(五) — apply() 方法介绍！ - 知乎 (zhihu.com)

df.apply(func, axis=0, raw=False, result_type=None, args=(), **kwds)

• func 代表的是传入的函数或 lambda 表达式；

• axis 参数可提供的有两个，该参数默认为 0/列

  • 0 或者 index ，表示函数处理的是每一列；
  • 1 或 columns ，表示处理的是每一行;

• raw 是 bool 类型，默认为 False;

  • False ，表示把每一行或列作为 Series 传入函数中；
  • True，表示接受的是 ndarray 数据类型；

# 构造df
df  =pd.DataFrame([[0,4,9]]*3,columns = ['A','B','A'])

# 求行/列均值
df.apply(np.mean, axis=0) # axis=1表示对列操作
df.apply(np.mean, axis=1) # axis=1表示对行操作

# 对行/列开方
df.apply(np.sqrt, axis=0) # axis=1表示对列操作
df.apply(np.sqrt, axis=1) # axis=1表示对行操作

# 自定义函数（如：求每行的非零元素个数）
def count_nonzero(row):
    count = 0
    for r in row:
        if r != 0:
            count += 1
    return count
df['非零元素个数'] = df.apply(count_nonzero, axis=1)

pandas query 筛选函数

# 普通筛选
df.query('country=="china"') # 筛选df中country==china的行

# 变量筛选
country_name = 'china'
df.query('country==@country_name') # 使用@
df.query(f"country=='{country_name}'") # 使用f-string

# 判断条件
df.query('year>2001')

pandas reset_index 重置索引

df.reset_index(inplace=True) # 重置索引

plotly 导出图片陷入死循环

不要安装最新版本的 kaleido，使用下面的语句安装 0.1 版本的 kaleido

pip install --upgrade "kaleido==0.1.*"

jupyter 导出为 markdown

安装 nbconvert 库及依赖 pandoc，使用如下命令

pip install nbconvert
pip install pandoc

在 LearnPlotly.ipynb 文件所在目录下，右键打开终端，输入如下转换命令

jupyter nbconvert LearnPlotly.ipynb --to markdown