Pandas如何將表格的前幾行生成html實戰案例

2022-08-23 14:01:48

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

檔案讀寫
基礎語法
Pandas
numpy

實戰：

1.2建立 python 檔案

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執行結果

<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如何計算一列數位的中位數

實戰場景：Pandas如何計算一列數位的中位數

2.1主要知識點

檔案讀寫
基礎語法
Pandas
numpy

實戰：

2.2建立 python 檔案

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執行結果

-0.2076894596485453
-0.2076894596485453

三、Pandas如何獲取某個資料列最大和最小的5個數

實戰場景：Pandas如何獲取某個資料列最大和最小的5個數

3.1主要知識點

檔案讀寫
資料合併
Pandas
numpy

實戰：

3.2建立 python 檔案

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))
 
#合併兩個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執行結果

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如何檢視客戶是否流失欄位的資料對映

實戰場景：Pandas如何檢視客戶是否流失欄位的資料對映

4.1主要知識點

檔案讀寫
基礎語法
Pandas
numpy

4.2建立 python 檔案

"""
Churn:客戶是否流失
Yes -> 1
No -> 0
實現字串到數位的對映
"""
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"]))