python130函数 Python13

python中,怎么把字符串转换为日期格式

1、python中要把字符串转换成日期格式需要使用time模块中的strptime函数，例子如下：

建瓯ssl适用于网站、小程序/APP、API接口等需要进行数据传输应用场景，ssl证书未来市场广阔！成为创新互联建站的ssl证书销售渠道，可以享受市场价格4-6折优惠！如果有意向欢迎电话联系或者加微信：18982081108（备注：SSL证书合作）期待与您的合作！

执行结果如下：

time.struct_time(tm_year=2016, tm_mon=5, tm_mday=9, tm_hour=21, tm_min=9, tm_sec=30, tm_wday=0, tm_yday=130, tm_isdst=-1)

2、函数说明：

第一个参数是要转换成日期格式的字符串，第二个参数是字符串的格式，下面函数可以看一下。

用python，turtle绘制数字，如绘制260这三个数字，同时要求每个数字填不同的颜色

1、双击打开pycharm开发工具，在已新建的项目中新建python文件，输入文件名称。

2、打开已新建的python文件，导入turtle管理包。

3、调用Screen()方法生成屏幕，并使用bgcolor()方法设置背景图。

4、调用Turtle，并使用shape()方法和color()方法设置图形和字体颜色。

5、接着调用speed()方法，设置绘制的速度。

6、最后，调用鼠标点击关闭的方法exitonclick，用于控制关闭窗口的方法。

python数据分析2：DataFrame对象

DataFrame对象：二维表数据结构，由行列数据组成的表格

常用index表示行，columns表示列

'''

语文  数学  英语

0  110  105    99

1  105    88  115

2  109  120  130

'''

# print(df.columns)  # Index(['语文', '数学', '英语'], dtype='object')

# print(df.index)  # Int64Index([0, 1, 2], dtype='int64')

# 遍历DataFrame数据的每一列

'''

0    110

1    105

2    109

Name: 语文, dtype: int64

0    105

1    88

2    120

Name: 数学, dtype: int64

0    99

1    115

2    130

Name: 英语, dtype: int64

'''

1.创建一个DataFrame对象

pandas.DataFrame(data,index,columns,dtype,copy)

# data表示数据，可以是ndarray数组，series对象、列表、字典等

# index表示行标签（索引）

# columns表示列标签（索引）

# dtype每一列数据的数据类型

# copy用于复制数据

# 返回值DataFrame

通过二维数组创建成绩表

'''

语文  数学  英语

0  110  105    99

1  105    88  115

2  109  120  130

'''

2.通过字典创建DataFrame对象

value值只能是一维数组或单个的简单数据类型

# 数组，则要求所有的数组长度一致

# 单个数据，每行都需要添加相同数据

'''

语文  数学  英语    班级

0  110  105  109  高一7班

1  105    88  120  高一7班

2    99  115  130  高一7班

'''

'''

【DataFrame属性】

values 查看所有元素的值  df.values

dtypes 查看所有元素的类型  df.dtypes

index 查看所有行名、重命名行名  df.index    df.index=[1,2,3]

columns 查看所有列名、重命名列名  df.columns  df.columns=['语','数']

T 行列数据转换  df.T

head 查看前n条数据，默认5条                df.head()  df.head(10)

tail 查看后n条数据，默认5条                df.tail()  df.tail(10)

shape 查看行数和列数，[0]表示行，[1]表示列    df.shape[0]  df.shape[1]

info 查看索引，数据类型和内存信息    df.info

【DataFrame函数】

describe 查看每列的统计汇总信息，DataFrame类型  df.describe()

count    返回每一列中的非空值的个数              df.count()

sum      返回每一列和和，无法计算返回空值      df.sum()

max      返回每一列的最大值                df.max()

min      返回每一列的最小值                df.min()

argmax  返回最大值所在的自动索引位置        df.argmax()

argmin  返回最小值所在的自动索引位置        df.argmin()

idxmax  返回最大值所在的自定义索引位置      df.idxmax()

idxmin  返回最小值所在的自定义索引位置      df.idxmin()

mean    返回每一列的平均值                df.mean()

median  返回每一列的中位数                df.median()

var      返回每一列的方差                  df.var()

std      返回每一列的标准差  df.std()

isnull  检查df中的空值，空值为True，否则为False,返回布尔型数组  df.isnull()

notnull  检查df中的空值，非空值为True，否则为False,返回布尔型数组  df.notnull()

中位数又称中值，是指按顺序排列的一组数据中居于中间位置的数

方差用于度量单个随机变量的离散程序（不连续程度）

标准差是方差的算术平方根，反映数据集的离散程度

'''

3. 导入.xls或.xlsx文件

# pandas.read_excel(io,sheetname=0,header=0,names=None,index_col=None,usecols=None,squeeze=False,dtype=None,engine=None,converters=None,true_values=None,false_values=None,skiprows=None,nrow=None,na_values=None,keep_defalut_na=True,verbose=False,parse_dates=False,date_parser=None,thousands=None,comment=None,skipfooter=0,conver_float=True,mangle_dupe_cols=True,**kwds)

'''

io 字符串，xls或xlsx文件路径或类文件对象

sheet_name：None、字符串、整数、字符串列表或整数列表，默认值为0

字符串用于工作表名称；整数为索引，表示工作表位置

字符串列表或整数列表用于请求多个工作表，为None时则获取所有的工作表

sheet_name = 0 第一个Sheet页中的数据作为DataFrame对象

sheet_name = 1 第二个Sheet页中的数据作为DataFrame对象

sheet_name = 'Sheet1' 名为Sheet1的Sheet页中的数据作为DataFrame对象

sheet_name = [0,1,'Sheet3'] 第一个，第二个和名为Sheet3的Sheet页中的数据作为DataFrame对象

header:指定作为列名的行，默认值为0，即取第一行的值为列名。或数据不包含列名，则为header=None

names:默认值为None，要使用的列名列表

index_col：指定列为索引列，默认值为None，索引0是DataFrame对象的行标签

usecols：int、list或字符串，默认值为None

如为None，则解析所有列

如为int，则解析最后一列

如为list列表，则解析列号和列表的列

如为字符串，则表示以逗号分隔的Excel列字母和列范围列表

squeeze：布尔值，默认为False，如果解析的数据只包含一列，则返回一个Series

dtype:列的数据类型名称为字典，默认值为None

skiprows:省略指定行数的数据，从第一行开始

skipfooter：省略指定行数的数据，从尾部数的行开始

4.导入指定Sheet页的数据

# sheet_name=0表示第一个sheet页的数据，以此类推，如果不指定，则导入第一页

5.指定行索引导入Excel数据

'''

Empty DataFrame

Columns: []

Index: [1, 3, 5]

'''

# 导入第一列数据

'''

Empty DataFrame

Columns: []

Index: [1, 3, 5]

'''