本文比较了最常用的Python编程工具PyCharm和Jupyter Notebook的使用差别。PyCharm是很强大的综合编程软件，代码提示、代码自动补全、语法检验、文本彩色显示等对于新手来说实在太方便了，但在做数据分析时不够友好。如果是做数据分析，更适合使用Jupyter Notebook，可以支持图文显示，可以分段运行。

有时候需要删除数据表中某一列中包含指定字符串的行，可以使用pandas的字符串包含函数.str.contains：pd.Series.str.contains(pat, case=True, flags=0, na=None, regex=True)#pat是搜索字符，case表示是否区分大小写，flags表示是否传递给 re 模块的标志，regex=True则pat是一个正则表达式，regex=

在Python做一个关键词排名处理程序的时候，使用Pandas将处理好的数据以pd.to_sql的方法写入MYSQL数据库，带有日期的字段名自动加了时分秒这样的"00:00:00"字符，比如原来列名称为2020-02-29，pandas处理并导入数据库后，字段名变为了2020-02-29 00:00:00，并且字段类型自动设置成了DOUBLE，由于有几十个字段，手动一个个修改太麻烦，而且容易出错。

需要取一个数据表里其中2列和前10行的值：top10=pd_brand[['品牌','ASIN']][0:10]) #取列名称为品牌和ASIN的前10行数据

在使用Python的Pandas pd.to_sql()方法和pysql库将数据写入MySQL数据时，遇到了一个莫名其妙的问题，前几天还正常工作，今天想把程序整理长函数，重新上传数据到数据库，结果程序老是报错，错误信息如下：写入数据库错误，错误信息：Execution failed on sql 'SELECT name FROM sqlite_master WHERE type='table'

现在有一个Python程序需要对数据表里数据进行处理，把大于0的值转换为1，小于或等于0的值为0。打算用pandas 的df.apply()方法加lambda函数对整个数据表进行批量转换，但是在使用的时候发现程序报错：df.apply(lambda x: 1 if x>0 else 0)错误信息：ValueError: (‘The truth value of a Series is amb

需要取一个数据表里其中2列和前10行的值：top10=pd_brand[['品牌','ASIN']][0:10]) #取列名称为品牌和ASIN的前10行数据

在Jupyter Notebook里通过pymongo库连接和使用MongoDB数据库的基本方法，包括数据库连接，数据创建和插入、查询。使用MongoDB存储JSON这样的数据非常方便，不用提前像MYSQL关系数据库那样创建字段结构。...