29_pandas.DataFrame中提取（选择）特定类型dtype的列pandas.DataFrame为每一列保存一个数据类型dtype。要仅提取（选择）特定数据类型为dtype的列，请使用pandas.DataFrame的select_dtypes（）方法。以带有各种数据类型的列的pandas.DataFrame为例。import pandas as pddf = pd.DataFrame(

09_Pandas从多个条件（AND，OR，NOT）中提取行使用Pandas从多个条件（AND，OR，NOT）中提取行的方法。有以下2点需要注意：＆，|，〜的使用（and、or、not的错误）使用比较运算符时，请将每个条件括在括号中。以下数据为例。import pandas as pddf = pd.read_csv('./data/09/sample_pandas_norma...

15_Pandas计算元素的数量和频率（出现的次数）在pandas.Series的pandas.DataFrame列中，将描述获取唯一元素数（不包括重复项的案例数）和每个元素的出现频率（出现数）的方法。使用pandas.Series方法的unique（），value_counts（）和nunique（）。还提供了nunique（）作为pandas.DataFrame的方法。在这里:pan...

26_Pandas.DataFrame时间序列数据的处理将pandas.DataFrame，pandas.Series的索引设置为datetime64 [ns]类型时，将其视为DatetimeIndex，并且可以使用各种处理时间序列数据的函数。可以按年或月指定行，并按切片指定提取周期，这在处理包含日期和时间信息（例如日期和时间）的数据时非常方便。在此，将对以下内容进行描述。如何将一列现有数据指定为

23_Pandas.DataFrame,Series中提取・删除重复行从pandas.DataFrame和pandas.Series提取包含重复元素行的方法是duplicated(),删除包含重复元素行的方法是drop_duplicates（）以将其删除。以下面的数据为例。添加重复数据。import pandas as pddf = pd.read_csv('./data/23/sample_pa

42_Pandas字符串中提取正则表达式来生成新列如何通过从以字符串为元素的pandas.DataFrame列和pandas.Series中提取带有正则表达式的特定字符串来生成新列。使用以下字符串方法。str.extract（）：仅提取第一个匹配项str.extractall（）：提取所有匹配项如果要从pandas.DataFrame的列中提取，可以指定列（= pandas.Series），例如d

使用负值来指定结束。

36_Pandas获取行数，列数和元素总数（大小）如何获取pandas.DataFrame和pandas.Series的行数，列数和总元素（大小）。pandas.DataFrame显示行数，列数等：df.info（）获取行数：len（df）获取列数：len（df.columns）获取行数和列数：df.shape获取元素总数（大小）：df.size指定index时的注意事项pandas.Series

50_Pandas读取 Excel 文件 (xlsx, xls)要使用 pandas 将 Excel 文件（扩展名：.xlsx、.xls）作为 pandas.DataFrame 读取，请使用 pandas.read_excel () 函数。这里，将描述以下内容。openpyxl、xlrd的安装pandas.read_excel()的基本用法通过编号/工作表名称指定要读取的工作表：参数 sheet_

通过使用pandas.DataFrame和Series的agg()或aggregate()方法，可以对行或列同时应用多个操作进行聚合。agg()是aggregate()的别名，二者用法相同。