Pandas 數據分析快速上手 500招 (微課視頻版)

本書採用“問題描述+解決方案”模式，通過500個案例介紹了使用Pandas進行數據分析和數據處理的技術亮點。全書共分為8章，主要案例包括：讀寫CSV、Excel、JSON、HTML等格式的數據；根據行標簽、列名和行列數字索引篩選和修改數據，使用各種函數根據數據大小、日期範圍、正則表達式、lambda表達式、文本類型等多種條件篩選數據；統計NaN（缺失值）的數量、占比，根據規則填充和刪除NaN；在DataFrame中增、刪、查、改行列數據，計算各種行差、列差、極差以及直接對兩個DataFrame進行加、減、乘、除運算和比較差異；將寬表和長表相互轉換，創建交叉表和各種透視表；對數據分組結果進行求和、累加、求平均值、求極差、求占比、排序、篩選、重採樣等多種形式的分析，將分組數據導出為Excel文件。本書還附贈36個數據可視化案例，如根據指定的條件設置行列數據的顏色和樣式，根據行列數據繪制條形圖、柱形圖、餅圖、折線圖、散點圖、六邊形圖、箱形圖、面積圖等。 　　本書適於作為數據分析師、物流分析師、金融分析師、數據產品開發人員、人工智能開發人員、市場營銷人員、辦公管理人員、Python程序員等各行各業人員的案頭參考書，無論對於初學者還是專業人士，本書都極具參考和收藏價值。

 

　　

　　    

　　代碼下載   案例下載?

　　

第1章  DataFrame 1

001  使用隨機數創建一個DataFrame 1

002  使用字母設置DataFrame的行標簽 2

003  使用日期設置DataFrame的行標簽 3

004  使用月份設置DataFrame的行標簽 4

005  使用月初日期設置DataFrame的行標簽 5

006  使用星期日設置DataFrame的行標簽 6

007  使用日期範圍設置DataFrame的行標簽 7

008  使用等差日期設置DataFrame的行標簽 8

009  使用時間差設置DataFrame的行標簽 9

010  根據工作日移動DataFrame的行標簽 10

011  使用shift()移動DataFrame的行標簽 11

012  根據日期差修改DataFrame的行標簽 11

013  在日期行標簽中禁止使用法定節假日 12

014  在日期行標簽中排除自定義的節假日 13

015  在日期行標簽中增加或減少分鐘數 14

016  指定DataFrame的列數據為行標簽 15

017  在DataFrame中移除現有的行標簽 16

018  使用列表設置DataFrame的行標簽 17

019  使用字典修改DataFrame的行標簽 17

020  使用lambda修改DataFrame的行標簽 18

021  在多層索引的DataFrame中設置行標簽 19

022  使用字典修改DataFrame的多層行索引 20

023  根據DataFrame創建笛卡兒積多層索引 20

024  使用rename()修改DataFrame的列名 22

025  使用strip()修改DataFrame的列名 22

026  使用set_axis()修改DataFrame的列名 23

027  使用字典修改DataFrame的列名 24

028  為DataFrame的列名添加前綴或後綴 24

029  根據DataFrame的列名獲取列索引數字 25

第2章  讀取數據 27

030  從CSV格式的字符串中讀取數據 27

031  從CSV格式的文本文件中讀取數據 28

032  從星號分隔的文本文件中讀取數據 28

033  從製表符分隔的文本文件中讀取數據 29

034  從空格分隔的文本文件中讀取數據 29

035  讀取文本文件的數據並自定義列名 30

036  讀取文本文件的數據並重命名列名 31

037  根據列名讀取文本文件的部分數據 31

038  從文本文件中讀取lambda篩選的列 32

039  讀取文本文件的數據並設置列名前綴 33

040  讀取文本文件的數據並設置列類型 33

041  讀取文本文件並使用lambda修改列 34

042  讀取文本文件並使用自定義函數修改列 35

043  讀取文本文件並設置True和False 36

044  讀取文本文件的數據並跳過指定行 37

045  讀取文本文件的數據並跳過奇數行 37

046  讀取文本文件的數據並跳過倒數n行 38

047  讀取文本文件並將列類型轉為日期類型 39

048  讀取文本文件的數據並解析日期列數據 40

049  讀取文本文件的數據並合並日期列數據 41

050  從壓縮格式的文本文件中讀取數據 42

051  把DataFrame的數據保存為文本文件 43

052  從Excel文件中讀取單個工作表的數據 44

053  從Excel文件中讀取多個工作表的數據 45

054  從Excel文件中讀取工作表的前n行數據 46

055  從首行跳過n行讀取Excel工作表的數據 47

056  從末尾跳過n行讀取Excel工作表的數據 48

057  跳過指定行讀取Excel工作表的部分數據 49

058  從Excel文件中讀取工作表的偶數行數據 50

059  從Excel文件中讀取工作表的偶數列數據 51

060  根據列號讀取Excel文件的工作表數據 52

061  讀取Excel工作表的數據且取消默認列名 53

062  讀取Excel工作表的數據且自定義列名 53

063  讀取Excel工作表的數據並指定行標簽 54

064  在讀取Excel工作表數據時解析千分位符 55

065  把DataFrame的數據保存為Excel文件 56

066  在保存Excel文件時不保留默認的行標簽 57

067  使用read_json()函數讀取JSON數據 58

068  將DataFrame的數據保存為JSON文件 59

069  從指定的網頁中讀取多個表格的數據 60

070  將DataFrame的所有數據轉換為網頁代碼 62

071  將DataFrame的部分數據轉換為網頁代碼 63

072  根據當前剪貼板的數據創建DataFrame 64

073  將DataFrame的所有數據保存到剪貼板 65

074  將DataFrame的部分數據保存到剪貼板 66

第3章  篩選數據 67

075  根據指定的列名篩選整列數據 67

076  使用eq()在指定列中篩選數據 68

077  使用ne()在指定列中篩選數據 68

078  使用lt()在指定列中篩選數據 69

079  在指定列中根據平均值篩選數據 70

080  使用le()在指定列中篩選數據 70

081  使用gt()在指定列中篩選數據 71

082  使用ge()在指定列中篩選數據 72

083  根據行標簽的大小篩選數據 73

084  根據行標簽的範圍篩選數據 73

085  根據行標簽步長篩選偶數行數據 74

086  根據指定的日期切片篩選數據 75

087  根據指定的日期範圍篩選數據 76

088  根據指定的月份範圍篩選數據 76

089  在日期類型的列中按日篩選數據 77

090  根據日期列的差值篩選數據 78

091  使用loc篩選並修改單個數據 79

092  使用loc篩選並修改多個數據 79

093  使用loc篩選並修改多行單列數據 80

094  使用loc篩選並修改單行多列數據 81

095  使用loc篩選並修改多行多列數據 82

096  使用loc根據切片篩選並修改數據 83

097  使用loc篩選並修改單行數據 84

098  使用loc篩選並修改多行數據 84

099  使用loc篩選並修改單列數據 85

100  使用loc篩選並修改多列數據 86

101  使用loc篩選並修改多層數據 87

102  使用loc篩選並輸出DataFrame 87

103  使用loc根據大小篩選數據 88

104  使用loc根據字符串長度篩選數據 89

105  使用loc根據數值範圍篩選數據 90

106  在loc中使用all()篩選多列數據 90

107  在loc中使用any()篩選多列數據 91

108  使用loc篩選數據且指定輸出列 92

109  使用loc篩選IndexSlice結果 92

110  使用loc根據最後一行篩選列 93

111  在loc中使用lambda篩選列 94

112  使用loc根據負數步長倒序篩選列 94

113  使用loc根據負數步長倒序篩選行 95

114  使用iloc篩選並修改單個數據 96

115  使用iloc篩選並修改多個數據 96

116  使用iloc篩選並修改多行單列數據 97

117  使用iloc篩選並修改單行多列數據 98

118  使用iloc篩選並修改多行多列數據 99

119  使用iloc根據列表篩選並修改數據 99

120  使用iloc篩選並修改單列數據 100

121  使用iloc篩選並修改多列數據 100

122  使用iloc篩選並修改單行數據 101

123  使用iloc篩選並修改多行數據 102

124  使用iloc篩選並輸出DataFrame 103

125  使用iloc根據指定的步長篩選數據 103

126  使用iloc篩選不連續的多行數據 104

127  在iloc中使用numpy篩選多行數據 105

128  在iloc中使用numpy篩選多列數據 106

129  在iloc中使用lambda篩選偶數行數據 106

130  使用at篩選並修改單個數據 107

131  使用iat篩選並修改單個數據 108

132  使用last()篩選最後幾天的數據 108

133  使用truncate()根據行標簽篩選數據 109

134  使用truncate()根據日期範圍篩選數據 110

135  使用between()根據日期範圍篩選數據 110

136  使用between()根據數值範圍篩選數據 111

137  使用between_time()根據時間篩選數據 112

138  使用contains()在指定列中篩選文本 113

139  使用contains()不區分大小寫篩選文本 114

140  在contains()中使用或運算符篩選文本 115

141  在contains()中使用正則表達式篩選文本 115

142  使用endswith()根據結束字符篩選文本 116

143  使用startswith()根據開始字符篩選文本 117

144  使用match()根據多個開始字符篩選數據 118

145  使用isnumeric()篩選全部為數字的數據 119

146  使用isin()篩選在指定列表中的數據 120

147  使用isin()篩選未在指定列表中的數據 120

148  使用isin()篩選指定列最大的前n行數據 121

149  使用isin()篩選指定列最小的前n行數據 122

150  在apply()中調用自定義函數篩選數據 122

151  在鏈式語句中調用自定義函數篩選數據 123

152  在apply()中使用lambda篩選數據 124

153  在鏈式語句中調用lambda篩選數據 125

154  在applymap()中使用lambda篩選數據 126

155  使用apply()篩選指定列首次出現的數據 126

156  使用apply()根據日期範圍篩選數據 127

157  使用apply()根據數值範圍篩選數據 128

158  使用select_dtypes()根據類型篩選列 129

159  使用select_dtypes()根據類型反向篩選列 129

160  使用filter()根據指定的列名篩選列 130

161  使用filter()根據指定的條件篩選列 131

162  使用filter()根據正則表達式篩選列 131

163  使用filter()根據指定的行標簽篩選行 132

164  使用filter()根據正則表達式篩選行 133

165  在query()中使用比較運算符篩選數據 134

166  在query()中使用多個運算符篩選數據 134

167  使用query()根據平均值篩選數據 135

168  使用query()根據兩列差值篩選數據 136

169  使用query()根據多列數值大小篩選數據 136

170  使用query()篩選多列均存在的數據 137

171  使用query()根據指定列表篩選數據 138

172  使用query()根據外部變量篩選數據 139

173  使用query()根據日期範圍篩選數據 139

174  使用query()篩選包含指定字符的數據 140

175  使用query()根據行標簽篩選數據 141

176  使用query()組合多個條件篩選數據 142

177  使用query()以鏈式風格篩選數據 142

178  使用eval()組合多個條件篩選數據 143

179  使用rolling()根據樣本篩選數據 144

180  使用sample()根據占比篩選隨機子集 145

181  使用apply()根據指定條件篩選數據 146

182  在DataFrame中篩選所有數據 146

183  根據在列表中指定的多個列名篩選列 147

184  根據在集合中指定的多個列名篩選列 148

第4章  清洗數據 150

185  統計DataFrame每列的NaN數量 150

186  統計DataFrame每行的NaN數量 151

187  統計DataFrame每行的非NaN數量 151

188  統計DataFrame每列的NaN數量占比 152

189  統計DataFrame每行的NaN數量占比 153

190  統計DataFrame每行的非NaN數量占比 154

191  使用isna()在列中篩選包含NaN的行 155

192  使用notna()在列中篩選不包含NaN的行 155

193  使用isnull()在列中篩選包含NaN的行 156

194  使用isnull()在列中篩選不包含NaN的行 156

195  在DataFrame中篩選包含NaN的列 157

196  在DataFrame中篩選包含NaN的行 158

197  在DataFrame中篩選不包含NaN的列 158

198  在DataFrame中篩選不包含NaN的行 159

199  在DataFrame中刪除包含NaN的行 160

200  在DataFrame中刪除包含NaN的列 160

201  在DataFrame中刪除全部是NaN的行 161

202  在DataFrame中刪除全部是NaN的列 162

203  在DataFrame中根據NaN占比刪除列 162

204  在指定的列中刪除包含NaN的行 163

205  在指定的行中刪除包含NaN的列 164

206  使用fillna()根據指定值填充NaN 164

207  使用fillna()在指定列中填充NaN 165

208  使用fillna()根據列平均值填充NaN 166

209  使用fillna()填充指定列的首個NaN 167

210  使用fillna()實現自動向下填充NaN 168

211  使用fillna()實現自動向上填充NaN 169

212  使用applymap()填充DataFrame的NaN 169

213  使用mask()填充DataFrame的NaN 170

214  根據分組已存在的數據填充分組的NaN 171

215  使用transform()根據分組平均值填充NaN 171

216  將小數點前後有空格的數據修改為NaN 172

217  在format()中使用指定字符標註NaN 173

218  使用指定的顏色高亮顯示所有的NaN 174

219  自定義函數設置NaN的顏色 174

220  自定義函數設置NaN的背景顏色 175

221  自定義函數設置非NaN的顏色 176

222  自定義函數設置非NaN的背景顏色 177

223  在DataFrame中強制NaN排在首位 177

224  讀取Excel文件並設置NaN的對應值 178

225  讀取Excel文件並按列設置NaN的對應值 179

226  讀取文本文件並設置NaN的對應值 180

227  讀取文本文件並按列設置NaN的對應值 181

第5章  整理數據 183

228  使用apply()轉換指定列的數據類型 183

229  使用apply()轉換所有列的數據類型 184

230  使用to_numeric()轉換列的數據類型 184

231  使用astype()轉換指定列的數據類型 185

232  使用astype()將百分數轉換為浮點數 186

233  使用astype()轉換千分位符的數字 186

234  使用astype()將其他時間轉為北京時間 187

235  根據日期類型列的日期解析星期 188

236  根據日期類型列的日期解析季度 188

237  使用lower()將指定列的字母變為小寫 189

238  使用rjust()在指定列左端補充字符 190

239  使用ljust()在指定列右端補充字符 191

240  使用center()在指定列兩端補充字符 191

241  使用lstrip()刪除指定列左端字符 192

242  使用rstrip()刪除指定列右端字符 193

243  使用strip()刪除指定列左右兩端字符 193

244  使用get()提取指定列指定位置的字符 194

245  使用slice()提取指定列的多個字符 195

246  使用count()統計指定列的字符個數 195

247  使用repeat()在指定列中重復字符 196

248  使用replace()在指定列中替換文本 197

249  使用replace()在指定列中替換字母 197

250  在replace()中使用正則表達式替換 198

251  在replace()中使用lambda替換 199

252  使用slice_replace()替換指定切片 199

253  在apply()中調用自定義函數修改數據 200

254  在apply()中調用lambda修改數據 201

255  使用apply()刪除%符號並轉換數據 202

256  使用mask()根據指定條件修改數據 202

257  使用where()根據指定條件修改數據 203

258  使用replace()在指定列中替換數據 204

259  使用replace()在指定行中替換數據 205

260  在map()中使用字典修改數據 205

261  在map()中使用lambda修改數據 206

262  使用map()格式化指定列的數據 207

263  使用map()將浮點數轉換為百分數 207

264  使用map()根據時間差計算天數 208

265  在DataFrame的末尾增加新行 209

266  在DataFrame的中間插入新行 209

267  根據行標簽在DataFrame中刪除行 210

268  根據條件在DataFrame中刪除行 211

269  在多層索引的DataFrame中刪除行 211

270  使用duplicated()篩選重復行 212

271  使用drop_duplicates()刪除重復行 213

272  在指定列中使用drop_duplicates() 214

273  根據表達式初始化DataFrame的新增列 215

274  使用map()初始化DataFrame的新增列 215

275  計算DataFrame的單列數據並新增列 216

276  計算DataFrame的多列數據並新增列 217

277  使用assign()在DataFrame中新增列 218

278  使用assign()根據lambda表達式新增列 218

279  使用列表初始化DataFrame的新增列 219

280  使用apply()根據列表成員增加新列 220

281  使用apply()計算多列數據增加新列 220

282  使用apply()把列表成員擴展成多列 221

283  使用partition()將一列拆分成兩列 222

284  使用split()將一列拆分成多列 223

285  使用extract()將一列拆分成兩列 224

286  使用extract()將一列拆分成多列 224

287  在extract()中根據正則表達式拆分列 225

288  使用cat()以拼接字符串方式合並列 226

289  根據字符串日期列拆分年月日列 227

290  根據日期類型的列拆分年月日列 227

291  使用加號運算符拼接年月日列 228

292  使用to_datetime()拼接年月日列 229

293  根據索引在DataFrame中插入列 230

294  根據列名在DataFrame中刪除列 230

295  根據條件在DataFrame中刪除列 231

296  使用concat()按行拼接DataFrame 232

297  使用append()按行拼接DataFrame 233

298  使用concat()分組拼接DataFrame 234

299  使用concat()按列拼接DataFrame 235

300  使用concat()提取兩個DataFrame的交集 236

301  使用merge()根據同名列合並DataFrame 237

302  使用merge()根據指定列合並DataFrame 238

303  使用merge()以指定方式合並DataFrame 239

304  使用join()根據索引列按列合並DataFrame 240

305  使用combine_first()合並DataFrame 241

306  使用combine()根據參數合並DataFrame 242

307  使用Pandas的merge()合並DataFrame 243

308  使用merge_ordered()合並DataFrame 244

309  使用merge_asof()合並DataFrame 245

310  使用compare()比較兩個DataFrame 246

311  使用align()補齊兩個DataFrame的列 247

312  在DataFrame中垂直移動指定的行數 248

313  在DataFrame中水平移動指定的列數 248

314  使用round()設置DataFrame的小數位數 249

315  使用update()更新DataFrame的數據 250

316  使用clip()修剪DataFrame的數據 251

317  使用clip()根據列表按列修剪數據 251

318  使用replace()在DataFrame中替換數據 252

319  使用replace()執行多值對應替換 253

320  使用replace()替換所有行列的字母 253

321  在replace()中使用正則表達式替換 254

322  在replace()中使用多個正則表達式 255

323  使用apply()修改DataFrame的數據 256

324  使用applymap()修改DataFrame 256

325  使用transform()修改DataFrame 257

326  使用transform()按行修改DataFrame 258

327  在DataFrame中按列相加指定的列表 258

328  在DataFrame中按行相加指定的列表 259

329  在DataFrame中按列相減指定的列表 260

330  在DataFrame中按行相減指定的列表 261

331  在DataFrame中按列相乘指定的列表 261

332  在DataFrame中按行相乘指定的列表 262

333  在DataFrame中實現各行數據連乘 263

334  在DataFrame中按列除以指定的列表 263

335  在DataFrame中按行除以指定的列表 264

336  使用add()實現兩個DataFrame相加 265

337  使用sub()實現兩個DataFrame相減 265

338  使用mul()實現兩個DataFrame相乘 266

339  使用div()實現兩個DataFrame相除 267

340  使用sum()在DataFrame中按列求和 267

341  使用sum()在DataFrame中按行求和 268

342  使用apply()在DataFrame中按列求和 269

343  使用apply()在DataFrame中按行求和 270

344  使用agg()在DataFrame中按列求和 270

345  使用agg()在DataFrame中按行求和 271

346  使用select_dtypes()實現按列求和 272

347  使用select_dtypes()實現按行求和 272

348  使用expanding()累加前n個數據 273

349  使用apply()按行累加各列的數據 274

350  使用apply()按列累加各行的數據 275

351  使用apply()計算每列數據的平均值 275

352  使用apply()計算每行數據的平均值 276

353  使用apply()計算每行最大值的比值 276

354  使用apply()計算每列最大值的比值 277

355  使用apply()計算每列數據的極差 278

356  使用apply()計算每行數據的極差 278

357  使用diff()計算DataFrame的行差 279

358  使用diff()計算DataFrame的列差 280

359  使用diff()計算指定列的差值 281

360  使用diff()計算差值並篩選數據 281

361  使用shift()按行計算移動平均值 282

362  使用shift()按列計算移動平均值 283

363  使用rolling()按行計算移動平均值 284

364  使用rolling()居中計算移動平均值 284

365  使用rolling()計算移動極差 285

366  在rolling()中設置最小觀測期 286

367  使用pct_change()計算增減百分比 287

368  使用apply()獲取每列數據的最大值 288

369  使用apply()獲取每列數據的中位數 288

370  使用describe()獲取指定列的最大值 289

371  使用agg()獲取所有列的最大值 290

372  使用tolist()獲取DataFrame的數據 291

373  根據行標簽順序排列DataFrame 292

374  根據行標簽大小排列DataFrame 292

375  倒序排列DataFrame並重置行標簽 293

376  在DataFrame中根據單個列名排序 294

377  在DataFrame中根據多個列名排序 294

378  在DataFrame中根據文本長度排序 295

379  在DataFrame中降序排列所有的列 296

380  在DataFrame中倒序排列所有的列 297

381  在DataFrame中自定義所有列順序 297

382  在DataFrame中根據列表調整列順序 298

383  使用rank()根據大小生成排名序號 299

384  使用value_counts()統計列成員數量 300

385  使用value_counts()統計列成員占比 300

第6章  透視數據 302

386  使用melt()將寬表轉換為長表 302

387  使用pivot()將長表轉換為寬表 303

388  使用stack()將寬表轉換為長表 304

389  使用unstack()將長表轉換為寬表 304

390  使用stack()將多行數據轉換成一行 305

391  使用crosstab()根據行列創建交叉表 306

392  使用crosstab()創建交叉表並計算合計 307

393  使用explode()將列表成員擴展為多行 307

394  使用explode()篩選互為好友的數據 308

395  使用explode()在組內容之前插入組名 309

396  使用pivot_table()根據指定列進行分組 310

397  使用pivot_table()獲取分組平均值 311

398  使用pivot_table()獲取多級分組平均值 312

399  使用pivot_table()實現多級分組並求和 313

400  使用pivot_table()對不同列執行不同函數 314

401  使用transpose()實現行列數據交換 315

第7章  分組聚合 316

402  使用groupby()根據單列數據分組求和 316

403  使用groupby()根據多列數據分組求和 317

404  使用groupby()分組並對指定列數據求和 317

405  在groupby()中設置分組鍵為非索引列 318

406  重命名在使用groupby()分組之後的列名 319

407  自定義在使用groupby()分組之後的列名 320

408  使用groupby()分組並統計各組的個數 321

409  使用groupby()分組並獲取各組的明細 321

410  使用groupby()分組並獲取多級分組明細 322

411  使用groupby()分組並遍歷各組的明細 323

412  使用groupby()分組並計算各組移動平均值 324

413  使用groupby()分組並計算各組累加值 325

414  使用groupby()分組並獲取各組最大值 326

415  使用groupby()分組並獲取各組第二大值 327

416  使用groupby()分組並添加各組合計 328

417  使用groupby()分組並添加分組占比 329

418  使用groupby()分組求和並禁止排序 330

419  使用groupby()根據lambda進行分組 331

420  使用groupby()根據行標簽進行分組 332

421  使用groupby()根據索引年份進行分組 333

422  使用groupby()根據年份月份進行分組 334

423  使用groupby()根據星期進行分組 335

424  使用groupby()根據日期進行分組 336

425  使用groupby()根據列名進行分組 336

426  使用groupby()根據字典進行分組 337

427  使用groupby()根據字典類型進行分組 338

428  使用groupby()根據自定義函數進行分組 339

429  使用groupby()根據指定字符進行分組 340

430  使用groupby()根據返回值進行分組 341

431  使用groupby()根據Grouper進行分組 341

432  在分組指定列中查找互為相反數的數據 342

433  使用resample()實現日期重採樣分組 343

434  使用resample()實現先分組再重採樣 344

435  使用cut()根據連續型數據進行分組 346

436  使用cut()進行分組並設置分組的標簽 347

437  使用cut()進行分組並計算各組平均值 348

438  使用qcut()根據指定的個數進行分組 348

439  根據索引層對多層索引的DataFrame分組 349

440  使用agg()獲取分組指定列的最大值 351

441  使用agg()獲取分組某幾列的最大值 351

442  使用agg()自定義分組之後的新列名 352

443  使用agg()根據字典自定義分組新列名 353

444  使用agg()轉換分組之後的合計數據 354

445  使用agg()轉換分組之後的列數據類型 355

446  使用agg()通過lambda計算分組極差 356

447  使用agg()通過自定義函數計算分組極差 357

448  在agg()中調用帶多個參數的自定義函數 358

449  使用pipe()計算各個分組指定列的極差 359

450  使用filter()篩選分組指定列的合計 359

451  使用filter()篩選分組指定列的最大值 360

452  使用filter()篩選分組指定列的平均值 361

453  使用filter()篩選分組指定列的所有值 362

454  使用filter()篩選分組指定列的某個值 363

455  使用filter()篩選分組成員的個數 364

456  使用filter()篩選分組大於某值的數據 365

457  使用apply()獲取分組某列的最大值 366

458  使用apply()獲取分組數值列的最大值 366

459  在apply()中使用lambda計算分組列差 367

460  在apply()中使用lambda計算分組差值 368

461  在apply()中使用DataFrame返回分組差值 369

462  在apply()中調用自定義函數統計分組指標 370

463  使用apply()將分組數據導出為Excel文件 371

464  使用unstack()以寬表風格輸出多級分組 372

465  使用quantile()計算各個分組的分位數 373

466  使用rank()獲取各個成員在分組中的序號 374

467  使用transform()計算平均值並篩選分組 375

468  使用drop_duplicates()刪除分組重復數據 376

第8章  可視化數據 377

469  使用format()自定義列的數據格式 377

470  使用format()將浮點數轉為百分數 377

471  在format()中使用lambda重置列 378

472  使用指定的顏色設置所有列的背景顏色 379

473  使用自定義函數設置指定列的背景顏色 379

474  使用自定義函數設置指定行的背景顏色 380

475  使用自定義函數設置交錯的行背景顏色 381

476  使用自定義函數設置列切片的背景顏色 382

477  使用applymap()根據條件設置背景顏色 383

478  使用指定的顏色設置所有列的數據顏色 383

479  使用自定義函數設置指定列的數據顏色 384

480  使用自定義函數設置指定行的數據顏色 385

481  使用自定義函數設置交錯的行數據顏色 386

482  使用自定義函數設置列切片的數據顏色 387

483  在所有列中根據值的大小設置背景顏色 387

484  在指定列中根據值的大小設置背景顏色 388

485  在所有列中根據值的大小設置數據顏色 389

486  在指定列中根據值的大小設置數據顏色 390

487  使用指定顏色高亮顯示分位包含的數據 390

488  使用指定顏色高亮顯示所有列的最大值 391

489  使用指定顏色高亮顯示指定列的最大值 392

490  使用指定顏色高亮顯示所有列的最小值 393

491  使用指定顏色高亮顯示指定列的最小值 393

492  使用自定義函數設置每列的最大值顏色 394

493  使用自定義函數設置每列的最小值顏色 395

494  使用指定顏色高亮顯示所有行的最大值 396

495  使用指定顏色高亮顯示指定行的最大值 396

496  使用指定顏色高亮顯示所有行的最小值 397

497  使用指定顏色高亮顯示指定行的最小值 398

498  根據大小使用漸變色按列設置數據顏色 398

499  根據大小使用漸變色按行設置數據顏色 399

500  根據大小使用漸變色按列設置背景顏色 400

 

 

IV

 

 

V