小白蒋-材料转行芯片验证

需求：下面4个sheet整理成一个sheet 转换结果如下： 解决方案：用python调用pandas库处理 用jupyter notebook写的： import pandas as pd import xlrd filename1 = "SF072_pin_dig_af" filename2 = "SG071_081_pin_dig_af" filename3 = "HF072_pin_dig_af" filename4 = "HL130_pin_dig_af" li_file1 = []

作者：小白蒋 需求： 根据excel的表格，得到里面每个数的横坐标和纵坐标，表格如下： 期望结果如下： 解决方法： 用python处理表格，代码如下，用jupyter notebook写的： import pandas as pd import xlrd def f_w(): li = [] li_2 = [] li_3 = [] df = pd.read_excel('D:/dele_xls/gpio_mux.xlsx',sheet_name='Sheet1') #

pandas -V 0.25.1 1、需求 在用python识别PDF文件、提取数据的时候，得到一组字典数据，为了更方便的保存，把字典数据转化成DataFrame格式（有行名、有列名）。 数据 dict1 = {'报告1': ['a', 'b', 'c', '13', 'd', '2018-05-11'], '报告2': ['f', 'g', 'h', '13', 'j', '2018-05...

pandas -V 0.25.1

pandas -V 0.25.3 numpy -V 1.17.4 python -V 3.8.0 matplotlib -V 3.1.2 import pandas as pd import numpy as np import matplotlib.pyplot as plt # 随机生成1000个数据 data = pd.Series(np.random.randn(1000), index...

pandas -V 0.25.3 numpy -V 1.17.4 python -V 3.8.0 1、DataFrame纵向合并，pd.concat() # 数据的合并处理，用concat import pandas as pd import numpy as np # 定义资料集 df1 = pd.DataFrame(np.ones((3,4))*0,columns=['a','b','c'...

pandas -V 0.25.3 numpy -V 1.17.4 python -V 3.8.0 1、读取csv，用pd.read_csv() import pandas as pd import numpy as np data = pd.read_csv('student.csv') print(data) 2、将资料存取成pickle（df.to_pickle()），读取pickle数据...

pandas -V 0.25.3 numpy -V 1.17.4 python -V 3.8.0 生成假数据 import pandas as pd import numpy as np # 处理丢失数据 #创建DataFrame dates = pd.date_range('20191227',periods=6) df = pd.DataFrame(np.arange(24).reshap...

pandas -V 0.25.3 numpy -V 1.17.4 python -V 3.8.0 1、指定位置修改值 import numpy as np import pandas as pd # 创建pandas的DataFrame dates = pd.date_range('20191227','6') df = pd.DataFrame(np.arange(24).reshape((6...

pandas -V 0.25.3 numpy -V 1.17.4 python -V 3.8.0 1、生成DataFrame import pandas as pd import numpy as np # 生成DatetimeIndex dates = pd.date_range('20191227',periods=6) df = pd.DataFrame(np.arange(24).re...

pandas -V 0.25.3 numpy -V 1.17.4 python -V 3.8.0 1、pandas与numpy的区别 如果说numpy是列表形式的，没有数值标签； 但是pandas就可以说是字典形式的，有数值标签； pandas是基于numpy构建的，让numpy为中心的应用变得更简单。 2、pandas两个数据结构 pandas主要有两个数据结构： Series和DataFram...

python -V3.7 numpy -V 1.17 背景 继上一篇学完矩阵的合并，矩阵增加维度，用concatenate合并多个矩阵，本文继续学习矩阵的切割和复制。 1、纵向等量分割，使用split() import numpy as np A = np.arange(12).reshape((3,4)) print(A) # [[ 0 1 2 3] # [ 4 5 6 7] #...

python -V3.7 numpy -V 1.17 背景 继上一篇学完矩阵的索引、取某行某列元素、多维矩阵转为一行数列，本文继续学习矩阵的合并。 1、两个矩阵上下合并，用vertical stack，函数就是vstack import numpy as np # 矩阵的合并，用vertical stack，上下合并 A = np.array([1,1,1]) B = np.array([2,2...

python -V3.7 numpy -V 1.17 背景 继上一篇学完numpy矩阵的基本运算，继续学习numpyt的索引、 1、矩阵的索引 一纬矩阵，取单个元素 import numpy as np A = np.arange(4,13) # array([4,5,6,7,8,9,10,11,12]) print(A[3]) # 7 二维矩阵，取某一行元素 B = np.arange(2...

python -V 3.7 继上一篇numpy生成矩阵： 现在加一个矩阵生成方法： e = np.arange(2,14).reshape(3,4) print(e) # 生成2-14元素，是3行4列的矩阵 1、矩阵加法 import numpy as np a = np.array([10,20,30,40]) # array([10 20 30 40]) b = np.arange(4)...

python -V3.7 1、生成矩阵 import numpy as np array = np.array([[1,2,3],[5,6,7]]) # 列表转化为矩阵 print(array) 生成指定数据格式的矩阵 # 指定数据dtype a = np.array([3,2],dtype=np.int) print(a.dtype) a = np.array([3,5],dtype=...

python -V 3.7 import pandas as pd import xlrd df = pd.read_excel('D:/JBK/20191125_usename_team_478.xlsx',sheet_name='Sheet1') # 会直接默认读取到这个Excel的第一个表单 # 1.读取所有的数据 # data = df.head() # 默认读取前5行数据 data ...

python中保存列表数据到csv文件，excel文件 python -V 3.7 分两种: 第一种保存好几个列表数据到csv的好几列 import csv li = [[1, 'cheng', 'A','True'], [2, 'wei', 'B','False'], [3, 'wang', 'C','False']] with open("save_usename_team.csv", "w...