Python方便的处理方式

1、python当中用来合并多个数组的办法:zip()

l1 = ['alex', '11', '22', '33']
l2 = ['is', '11', '22', '33']
l3 = ['good', '11', '22', '33']
l4 = ['boy', '11', '22', '33']
print('_'.join(list(zip(l1,l2,l3,l4))[0]))    *.join()可以连接元组中的字符串元素

配合使用append与remove实现数组操作简单的处理

2、python当中用来处理多个数组的比较:set()

set() 函数创建一个无序不重复元素集,可进行关系测试,删除重复数据,还可以计算交集、差集、并集等

>>> x = set('eleven')
>>> y = set('twelve')
>>> x,y
({'l', 'e', 'n', 'v'}, {'e', 'v', 'l', 't', 'w'})
>>> x & y  #交集
{'l', 'e', 'v'}
>>> x | y  #并集
{'e', 'v', 'n', 'l', 't', 'w'}
>>> x - y  #差集
{'n'}
>>> y -x   #差集
{'t', 'w'}
>>> x ^ y  #补集
{'t', 'n', 'w'}
>>> y ^ x  #补集
{'w', 'n', 't'}
>>> 
交集 & : x&y,返回一个新的集合,包括同时在集合 x 和y中的共同元素。
并集 | : x|y,返回一个新的集合,包括集合 x 和 y 中所有元素。
差集 - : x-y,返回一个新的集合,包括在集合 x 中但不在集合 y 中的元素。
补集 ^ : x^y,返回一个新的集合,包括集合 x 和 y 的非共同元素。

学习的一种孤独感

今天搞明白了QMenu右键菜单,基本搞熟悉了QMessage几个对话框的定义与获取返回数据的使用,本来是要研究QTreeView的右键菜单返回一个消息,看着看着又深入进去了,干脆学习了message,也不算难的基础知识。但GUI的Qt学习,个人感觉至少需要1至2个月,因为有太多的界面控件要学会运用,碰到QTreeView或QTableView需要自定义model的用法更需要时间去感受。

最近,学习推进比较顺利。基本已经搞清楚了很多程序应用的基本格式与原理,而且是深入脑中,学会的框架与控件,几乎都是以自己的写法来调用与盲写(不看说明与笔记)。也许这就是Python进入高阶的表现吧。

学习的东西很多了,软件构架已经成竹在胸,解决QTreeView的二维化与树形化转化,应该就开始动手写代码了。真心感觉,要写好一个软件:特别是好用的软件,不容易,需要深厚积累。

人生苦短,我用Python

现在,一个人战斗快要到顶点了,感觉是一种空前的孤独感。积累了很多知识“空有抱负,无法施展”。加油!~~少年,你的时间相比那些刷抖音、刷酒局的人说,胜利将属于我们!

Excel多个工作表保留原有工作表写入问题

之前一直使用pandas对数据进行操作,直到今天为了给小孩子写一个随机数字练习的作业程序,发现pandas下以前直接用:data.to_excel(your_path,sheet_name=’sheet1′)的方法会覆盖掉原有数据,无论你是如何创造新表格都会发现:原有表格不翼而飞

为解决这个问题,又卡壳了几天:查攻略与手册,都是采用ExcelWriter进行操作,但试了好多次都发现表格没有改动。最后,在pandas手册上找到了原因:所有代码都正确,但没有看到excel文件的更新,最终发现是writer.save()在搞鬼。

于是问题飞速解决,代码最后一行:增加一个writer.save()数据立现。

近日解决Excel数据分类与聚合

为解决处理数据的能力,近日进入了Excel里面的数据的分类与聚合操作。在这里卡住了三天,因为merge与groupby函数参数语法,被新的版本修改后,跳了无数次坑终于学会了怎么用。

其次,对于小的数据操作函数,计划每天学习3~5个;最终要让操作DataFrame像对待表格一样自由浪漫。

熟悉运用pandas对Excel库里面的参数

今天能很快的运用以前的几个参数。从读与写已经可以闭着眼睛写出来自己的代码了,并且能正确运行。基本已经理争了pandas对Excel的运用了。

现在是提取表里面数据,在内存里形成矩阵,进一步就是对数据清洗、切片、一个一个的使用了。感觉python还是一门运行效率很高语言!相比自己以前的笨办法,要高明得多,而且语法简洁、明了、轻快,再坚持一段时间!加油,我们的目标:写出自己的东西,为我所用。

昨天:merge()与concat()两个函数使用;一般够用了

两个数组合并的很牛。中间走了一点点弯路,比如去研究join(),还研究了上面两个函数的参数。险像环生的运用后。终于全部理解掌握……

今日解决了Excel的读与写的问题

今天解决了将Excel进行读与写的python问题

进行简简单单的读与写Excel的问题,虽然只是入门,但未来将参数灵活运用就可以非常强大了。以下代码是以后可以回顾学习Excel操作时可以用。

import pandas as pd
import xlrd
import openpyxl

xlrd_book=xlrd.open_workbook('/users/jiangchen/pycharmProjects/untitled/venv/excel_1.xlsx',on_demand=True)
with pd.ExcelFile(xlrd_book) as xls:
df1=pd.read_excel(xls,'excel_1')
df2=pd.read_excel(xls,'Sheet1')

# print(df1)
# print('*'*50,'\n'*3)
# print(df2)

df3=df1+df2

# print(df3)
# a=122
write=pd.ExcelWriter("/users/jiangchen/desktop/text_1.xlsx")
# df1=pd.DataFrame(d_f1)
excel_header=['日期','年龄','年龄','年龄','年龄']
df1.to_excel(write,sheet_name='sheet1',header=excel_header,index=False)

# df2=pd.DataFrame(d_f2)
excel_header=['日期','人数','年龄','年龄','年龄']
df2.to_excel(write,sheet_name='sheet2',header=excel_header,index=False)

excel_header=['日期','人数','年龄','年龄','年龄']
df3.to_excel(write,sheet_name='sheet3',header=excel_header,index=False)
write.save()

Python解决Excel操作问题

今天花了很多时间看panda的手册,一个一个的示例进行运行。感觉基础很重要,人家写一个大体未例,跟着学习经常卡壳。花了太多时间,只学会了一个pd.read_excel(),有太多的需要自己理解与实际运用的了。

读是一个体系;

写是一个体系;

也许最难的,也是最基础的东西。征服了Excel以后数据接口就能随意搞定了。

加油吧,少年。

今天找到一个Chrome的好插件:划选翻译,即可随时划选就能翻译单词,对编程的人员来说是很重要插件。之前在Mac OS里面买了一个Pop clip能随时翻译选择项的单词,花了几十元。现在这个划选翻译功能类似,十分好用。备注:必须翻出去才能连接谷歌插件中心下载。