2. 程式人生 > >吳裕雄 實戰PYTHON程式設計（8）

吳裕雄 實戰PYTHON程式設計（8）

阿新 • • 發佈：2018-12-03

import pandas as pd

df = pd.DataFrame( {"林大明":[65,92,78,83,70], "陳聰明":[90,72,76,93,56], "黃美麗":[81,85,91,89,77], "熊小娟":[79,53,47,94,80] } )
print(df)

import pandas as pd

datas = [[65,92,78,83,70], [90,72,76,93,56], [81,85,91,89,77], [79,53,47,94,80]]
indexs = ["林大明", "陳聰明", "黃美麗", "熊小娟"]
columns = ["語文", "數學", "英文", "自然", "社會"]
df = pd.DataFrame(datas, columns=columns, index=indexs)
print(df)

import pandas as pd

datas = [[65,92,78,83,70], [90,72,76,93,56], [81,85,91,89,77], [79,53,47,94,80]]
indexs = ["林大明", "陳聰明", "黃美麗", "熊小娟"]
columns = ["語文", "數學", "英文", "自然", "社會"]
df = pd.DataFrame(datas, columns=columns, index=indexs)
indexs[0] = "林晶輝"
df.index = indexs
columns[3] = "理化"
df.columns = columns
print(df)

import pandas as pd
datas = [[65,92,78,83,70], [90,72,76,93,56], [81,85,91,89,77], [79,53,47,94,80]]
indexs = ["林大明", "陳聰明", "黃美麗", "熊小娟"]
columns = ["語文", "數學", "英文", "自然", "社會"]
df = pd.DataFrame(datas, columns=columns, index=indexs)
print('df["自然"] ->')
print(df["自然"])
print()
print('df[["語文", "數學", "自然"] ->')
print(df[["語文", "數學", "自然"]])
print()
print('df[df.數學>=80] ->')
print(df[df.數學 >= 80])

 

import pandas as pd

datas = [[65,92,78,83,70], [90,72,76,93,56], [81,85,91,89,77], [79,53,47,94,80]]
indexs = ["林大明", "陳聰明", "黃美麗", "熊小娟"]
columns = ["語文", "數學", "英文", "自然", "社會"]
df = pd.DataFrame(datas, columns=columns, index=indexs)
print("df.values：")
print(df.values)
print("陳聰明的成績(df.values[1])：")
print(df.values[1])
print("陳聰明的英文成績(df.values[1][2])：")
print(df.values[1][2])

import pandas as pd

datas = [[65,92,78,83,70], [90,72,76,93,56], [81,85,91,89,77], [79,53,47,94,80]]
indexs = ["林大明", "陳聰明", "黃美麗", "熊小娟"]
columns = ["語文", "數學", "英文", "自然", "社會"]
df = pd.DataFrame(datas, columns=columns, index=indexs)
print(df)
print('df.loc["陳聰明", :] ->')
print(df.loc["陳聰明", :])
#print(df.loc["陳聰明"])
print()
print('df.loc["陳聰明"]["數學"] ->')
print(df.loc["陳聰明"]["數學"])
print()
print('df.loc[("陳聰明", "熊小娟") ->')
print(df.loc[("陳聰明", "熊小娟"), :])
print()
print('df.loc[:, "數學"] ->')
print(df.loc[:, "數學"])
print()
print('df.loc[("陳聰明", "熊小娟"), ("數學", "自然")] ->')
print(df.loc[("陳聰明", "熊小娟"), ("數學", "自然")])
print()
print('df.loc["陳聰明":"熊小娟", "數學":"社會"] ->')
print(df.loc["陳聰明":"熊小娟", "數學":"社會"])
print()
print('df.loc[:黃美麗, "數學":"社會"] ->')
print(df.loc[:"黃美麗", "數學":"社會"])
print()
print('df.loc["陳聰明":, "數學":"社會"] ->')
print(df.loc["陳聰明":, "數學":"社會"])

import pandas as pd

datas = [[65,92,78,83,70], [90,72,76,93,56], [81,85,91,89,77], [79,53,47,94,80]]
indexs = ["林大明", "陳聰明", "黃美麗", "熊小娟"]
columns = ["語文", "數學", "英文", "自然", "社會"]
df = pd.DataFrame(datas, columns=columns, index=indexs)
print(df)
print('df.iloc[1, :] ->')
print(df.iloc[1, :])
print()
print('df.iloc[1][1] ->')
print(df.iloc[1][1])

import pandas as pd
datas = [[65,92,78,83,70], [90,72,76,93,56], [81,85,91,89,77], [79,53,47,94,80]]
indexs = ["林大明", "陳聰明", "黃美麗", "熊小娟"]
columns = ["語文", "數學", "英文", "自然", "社會"]
df = pd.DataFrame(datas, columns=columns, index=indexs)
print(df)
print('陳聰明的數學科成績 ->')
print(df.ix["陳聰明"]["數學"])
print(df.ix["陳聰明"][1])
print(df.ix[1]["數學"])
print(df.ix[1][1])

import pandas as pd

datas = [[65,92,78,83,70], [90,72,76,93,56], [81,85,91,89,77], [79,53,47,94,80]]
indexs = ["林大明", "陳聰明", "黃美麗", "熊小娟"]
columns = ["語文", "數學", "英文", "自然", "社會"]
df = pd.DataFrame(datas, columns=columns, index=indexs)
print(df)
print('最前 2 位學生成績 ->')
print(df.head(2))
print()
print('最後 2 位學生成績 ->')
print(df.tail(2))

import pandas as pd
datas = [[65,92,78,83,70], [90,72,76,93,56], [81,85,91,89,77], [79,53,47,94,80]]
indexs = ["林大明", "陳聰明", "黃美麗", "熊小娟"]
columns = ["語文", "數學", "英文", "自然", "社會"]
df = pd.DataFrame(datas, columns=columns, index=indexs)
print(df)
print('df.ix["陳聰明"]["數學"] (原始)：' + str(df.loc["陳聰明"]["數學"]))
df.ix["陳聰明"]["數學"] = 91
print('df.ix["陳聰明"]["數學"] (修改)：' + str(df.loc["陳聰明"]["數學"]))
print()
print('df.ix["陳聰明", :] ->')
df.ix["陳聰明", :] = 80
print(df.ix["陳聰明", :])

import pandas as pd

datas = [[65,92,78,83,70], [90,72,76,93,56], [81,85,91,89,77], [79,53,47,94,80]]
indexs = ["林大明", "陳聰明", "黃美麗", "熊小娟"]
columns = ["語文", "數學", "英文", "自然", "社會"]
df = pd.DataFrame(datas, columns=columns, index=indexs)
print(df)
print('按照數學成績降序排序 ->')
df1 = df.sort_values(by="數學", ascending=False)
print(df1)
print()
print('按照列標題升序排序 ->')
df2 = df.sort_index(axis=0)
print(df2)
print()

import pandas as pd
datas = [[65,92,78,83,70], [90,72,76,93,56], [81,85,91,89,77], [79,53,47,94,80]]
indexs = ["林大明", "陳聰明", "黃美麗", "熊小娟"]
columns = ["語文", "數學", "英文", "自然", "社會"]
df = pd.DataFrame(datas, columns=columns, index=indexs)
print(df)
print('刪除陳聰明成績 ->')
df1 = df.drop("陳聰明")
print(df1)
print()
print('刪除數學成績 ->')
df2 = df.drop("數學", axis=1)
print(df2)
print()
print('刪除數學及自然成績 ->')
df3 = df.drop(["數學", "自然"], axis=1)
print(df3)
print()
print('刪除從陳聰明到熊小娟成績 ->')
df4 = df.drop(df.index[1:4])
print(df4)
print()
print('刪除從數學到自然的成績 ->')
df5 = df.drop(df.columns[1:4], axis=1)
print(df5)
print()

import pandas as pd

dt = pd.read_html("http://www.86pm25.com/city/beijing.html")
data=dt[0]
print(data)

import pandas as pd

tables = pd.read_html("http://value500.com/M2GDP.html")
n = 1
for table in tables:
print("第 " + str(n) + " 個表格：")
print(table.head())
print()
n += 1

 

import pandas as pd

tables = pd.read_html("http://value500.com/M2GDP.html")
table = tables[18]
table = table.drop(table.index[0:1])
table.columns = ["年份", "M2指標", "GDP絕對額", "M2/GDP"]
table.index = range(len(table.index))
print(table)

import pandas as pd
from pylab import *
rcParams['font.sans-serif'] = ['SimHei'] #設定中文顯示
datas = [[65,92,78,83,70], [90,72,76,93,56], [81,85,91,89,77], [79,53,47,94,80]]
indexs = ["林大明", "陳聰明", "黃美麗", "熊小娟"]
columns = ["語文", "數學", "英文", "自然", "社會"]
df = pd.DataFrame(datas, columns=columns, index=indexs)
df.plot()

def rbCity(): #單擊區縣按鈕的處理函式
global sitelist, listradio
sitelist.clear() #清除原有監測站點列表
for r in listradio: #刪除原有監測站點按鈕
r.destroy()
n=0
for c1 in data["監測站點"]: #逐一取出所選區縣市的監測站點
if(c1 == city.get()):
sitelist.append(data.ix[n, 1])
n += 1
sitemake() #生成測站點按鈕
rbSite() #顯示PM2.5數值

def rbSite(): #單擊監測站按鈕後的處理函式
n = 0
for s in data.ix[:,1]: #逐一取得監測站點
if(s == site.get()): #如果某監測站點名稱與選中的監測站點相同，則
pm = data.ix[n][ "PM2.5濃度"] #取得該站點的PM2.5數值
print(pm)
pm=pm[:-5] #去除資料後面的5位單位字元
pm=int(pm) #把PM2.5的字元型資料轉為整型
if(pd.isnull(pm)): #如果沒有資料，則
result1.set(s + "站的 PM2.5 值當前無資料！") #顯示無資料
else: #如果有資料，則
if(pm <= 35): #轉換為空氣質量等級
grade1 = "優秀"
elif(pm <= 53):
grade1 = "良好"
elif(pm <= 70):
grade1 = "中等"
else:
grade1 = "差"
result1.set(s + "站的 PM2.5 值為" + str(pm) + ";" + grade1 )
break #找到選中的監測站點的資料後就跳出迴圈
n += 1

def clickRefresh(): #重新讀取資料
global data
df = pd.read_html("http://www.86pm25.com/city/beijing.html")
data=df[0]
rbSite() #更新監測站點的資料

def sitemake(): #建立監測站點按鈕
global sitelist, listradio
for c1 in sitelist: #逐一建立按鈕
rbtem = tk.Radiobutton(frame2, text=c1, variable=site, value=c1, command=rbSite) #建立單選按鈕
listradio.append(rbtem) #插入至按鈕列表
if(c1==sitelist[0]): #預設選取第1個按鈕
rbtem.select()
rbtem.pack(side="left") #靠左對齊

import tkinter as tk
import pandas as pd

df = pd.read_html("http://www.86pm25.com/city/beijing.html")
data=df[0]
win=tk.Tk()
win.geometry("640x270")
win.title("PM2.5 實時監測")
city = tk.StringVar() #區縣名稱變數
site = tk.StringVar() #監測站點名稱變數
result1 = tk.StringVar() #顯示資訊變數
citylist = [] #區縣列表
sitelist = [] #監測站點列表
listradio = [] #區縣按鈕列表
#建立區縣列表
for c1 in data["監測站點"]:
if(c1 not in citylist): #如果列表中不存在該縣區就將該縣區名稱插入列表
citylist.append(c1)
#建立第1個區縣的監測站點列表
count = 0
for c1 in data["監測站點"]:
if(c1 == citylist[0]): #如果是第1個區縣，則
sitelist.append(data.ix[count, 1]) #把該區縣的所有監測站點插入到監測站點列表
count += 1
label1 = tk.Label(win, text="區縣：", pady=6, fg="blue", font=("新細明體", 12))
label1.pack()
frame1 = tk.Frame(win) #區縣容器
frame1.pack()
for i in range(0,2): #按鈕分2行
for j in range(0,8): #每行8個
n = i * 8 + j #第n個按鈕
if(n < len(citylist)):
city1 = citylist[n] #取得區縣名稱
rbtem = tk.Radiobutton(frame1, text=city1, variable=city, value=city1, command=rbCity) #建立單選按鈕
rbtem.grid(row=i, column=j) #設定按鈕的位置
if(n==0): #選取第1個區縣
rbtem.select()
label2 = tk.Label(win, text="監測站點：", pady=6, fg="blue", font=("新細明體", 12))
label2.pack()
frame2 = tk.Frame(win) #監測站點容器
frame2.pack()
sitemake()
btnDown = tk.Button(win, text="更新資料", font=("新細明體", 12), command=clickRefresh)
btnDown.pack(pady=6)
lblResult1 = tk.Label(win, textvariable=result1, fg="red", font=("新細明體", 16))
lblResult1.pack(pady=6)
rbSite() #顯示測站訊息
win.mainloop()

def rbCity(): #點選縣市選項按鈕後處理函式
global sitelist, listradio
sitelist.clear() #清除原有測站串列
for r in listradio: #移除原有測站選項按鈕
r.destroy()
n=0
for c1 in data["County"] == city.get(): #逐一取出選取縣市的測站
if(c1 == True):
sitelist.append(data.ix[n, 0])
n += 1
sitemake() #建立測站選項按鈕
rbSite() #顯示PM2.5訊息

def rbSite(): #點選測站選項按鈕後處理函式
n = 0
for s in data.ix[:, 0]: #逐一取得測站
if(s == site.get()): #取得點選的測站
pm = data.ix[n, "PM2.5"] #取得PM2.5的值
if(pd.isnull(pm)): #如果沒有資料
result1.set(s + "站的 PM2.5 值目前無資料！")
else: #如果有資料
if(pm <= 35): #轉換為等級
grade1 = "低"
elif(pm <= 53):
grade1 = "中"
elif(pm <= 70):
grade1 = "高"
else:
grade1 = "非常高"
result1.set(s + "站的 PM2.5 值為「" + str(pm) + "」：「" + grade1 + "」等級")
break #找到點選測站就離開迴圈
n += 1

def clickRefresh(): #重新讀取資料
global data
# data = pd.read_csv("http://opendata.epa.gov.tw/ws/Data/REWXQA/?$orderby=SiteName&$skip=0&$top=1000&format=csv")
data = pd.read_csv("F:\\pythonBase\\pythonex\\ch09\\AQX_20160927145712.csv")
rbSite() #更新測站資料

def sitemake(): #建立測站選項按鈕
global sitelist, listradio
for c1 in sitelist: #逐一建立選項按鈕
rbtem = tk.Radiobutton(frame2, text=c1, variable=site, value=c1, command=rbSite) #建立選項按鈕
listradio.append(rbtem) #加入選項按鈕串列
if(c1==sitelist[0]): #預設選取第1個專案
rbtem.select()
rbtem.pack(side="left") #靠左排列

import tkinter as tk
import pandas as pd

# data = pd.read_csv("http://opendata.epa.gov.tw/ws/Data/REWXQA/?$orderby=SiteName&$skip=0&$top=1000&format=csv")
data = pd.read_csv("F:\\pythonBase\\pythonex\\ch09\\AQX_20160927145712.csv")

win=tk.Tk()
win.geometry("640x270")
win.title("PM2.5 實時監測")

city = tk.StringVar() #縣市文字變數
site = tk.StringVar() #測站文字變數
result1 = tk.StringVar() #訊息文字變數
citylist = [] #縣市串列
sitelist = [] #鄉鎮串列
listradio = [] #鄉鎮選項按鈕串列

#建立縣市串列
for c1 in data["County"]:
if(c1 not in citylist): #如果串列中無該縣市就將其加入
citylist.append(c1)
#建立第1個縣市的測站串列
count = 0
for c1 in data["County"]:
if(c1 == citylist[0]): #是第1個縣市的測站
sitelist.append(data.ix[count, 0])
count += 1

label1 = tk.Label(win, text="縣市：", pady=6, fg="blue", font=("新細明體", 12))
label1.pack()
frame1 = tk.Frame(win) #縣市容器
frame1.pack()
for i in range(0,3): #3列選項按鈕
for j in range(0,8): #每列8個選項按鈕
n = i * 8 + j #第n個選項按鈕
if(n < len(citylist)):
city1 = citylist[n] #取得縣市名稱
rbtem = tk.Radiobutton(frame1, text=city1, variable=city, value=city1, command=rbCity) #建立選項按鈕
rbtem.grid(row=i, column=j) #設定選項按鈕位置
if(n==0): #選取第1個縣市
rbtem.select()

label2 = tk.Label(win, text="測站：", pady=6, fg="blue", font=("新細明體", 12))
label2.pack()
frame2 = tk.Frame(win) #測站容器
frame2.pack()
sitemake()

btnDown = tk.Button(win, text="更新資料", font=("新細明體", 12), command=clickRefresh)
btnDown.pack(pady=6)
lblResult1 = tk.Label(win, textvariable=result1, fg="red", font=("新細明體", 16))
lblResult1.pack(pady=6)
rbSite() #顯示測站訊息

win.mainloop()

 

相關推薦

吳裕雄 實戰PYTHON程式設計（8）

import pandas as pd df = pd.DataFrame( {"林大明":[65,92,78,83,70], "陳聰明":[90,72,76,93,56], "黃美麗":[81,85,91,89,77], "熊小娟":[79,53,47,94,80] } )print(df) imp

吳裕雄 實戰python程式設計（1）

import sqlite3 conn = sqlite3.connect('E:\\test.sqlite') # 建立資料庫聯接cursor = conn.cursor() # 建立 cursor 物件 #新建一個數據表sqlstr='CREATE TABLE IF NOT EXISTS table0

吳裕雄 實戰python程式設計（2）

from urllib.parse import urlparse url = 'http://www.pm25x.com/city/beijing.htm'o = urlparse(url)print(o) print("scheme={}".format(o.scheme)) # httpprint

吳裕雄 實戰PYTHON程式設計（7）

import os from win32com import client word = client.gencache.EnsureDispatch('Word.Application')word.Visible = 1word.DisplayAlerts = 0doc = word.Documents

吳裕雄 實戰PYTHON編程（8）

www. 取數 global sce title ria val 找到 數值 import pandas as pd df = pd.DataFrame( {"林大明":[65,92,78,83,70], "陳聰明":[90,72,76,93,56], "黃美麗":[81,

吳裕雄 實戰python編程（3）

img text class != 標簽 beautiful start png 面數據 import requests from bs4 import BeautifulSoup url = ‘http://www.baidu.com‘html = requests.ge

吳裕雄 實戰PYTHON編程（9）

numpy con users num wim lena ces resize tor import cv2 cv2.namedWindow("ShowImage1")cv2.namedWindow("ShowImage2")image1 = cv2.imread("F:\

吳裕雄 實戰PYTHON編程（6）

生成 end red 導入 mat value ray odin plt import matplotlib.pyplot as plt plt.rcParams[‘font.sans-serif‘]=[‘Simhei‘]plt.rcParams[‘axes.unicode

吳裕雄 實戰PYTHON編程（7）

不重復 display int tab img documents 作者 weekday visible import os from win32com import client word = client.gencache.EnsureDispatch(‘Word.Ap

Python學習（8）——IO程式設計

1、檔案讀寫 （1）由於檔案讀寫時都有可能產生IOError，一旦出錯，後面的f.close()就不會呼叫。所以，為了保證無論是否出錯都能正確地關閉檔案，我們可以使用try ... finally來實

python學習（8）實例：寫一個簡單商城購物車的代碼

商品 流程圖 index blog pen 什麽 author 數字 git 要求： 1、寫一段商城程購物車序的代碼2、用列表把商城的商品清單存儲下來，存到列表 shopping_mail3、購物車的列表為shopping_cart4、用戶首先輸入工資金額，判斷輸入為數字5

python學習（8）

== The lse 遍歷 while ber pass 學習 數字 退出雙層循環：方式1：try--except try: for i in range(5): for j in range(5): if i==3 and

Java併發程式設計（8）：多執行緒環境中安全使用集合API（含程式碼）

Java併發程式設計（8）：多執行緒環境中安全使用集合API（含程式碼）JAVA大資料中高階架構 2018-11-09 14:44:47在集合API中，最初設計的Vector和Hashtable是多執行緒安全的。例如：對於Vector來說，用來新增和刪除元素的方法是同步的。如果只有一個執行緒與Vector的例

Python學習（8）——錯誤、除錯和測試

1、錯誤處理 （1）常見的錯誤型別和繼承關係看這裡： https://docs.python.org/3/library/exceptions.html#exception-hierarchy （2）如果錯誤沒有被捕獲，它就會一直往上拋，最後被Python直譯器捕獲，列印一個錯誤資訊

吳恩達深度學習筆記（8）-重點-梯度下降法（Gradient Descent）

梯度下降法（Gradient Descent）（重點） 梯度下降法可以做什麼？ 在你測試集上，通過最小化代價函式（成本函式） J(w,b) 來訓練的引數w和b ， 如圖，在第二行給出和之前一樣的邏輯迴歸演算法的代價函式（成本函式）(上一篇文章已講過） 梯度下降法的形象化

java資料庫程式設計（8）ResultSetMetaData

前面說過可以通過next（）方法或者使用可滾動的結果集方法查詢結果，但是這都只是在以每一行為單位的，如果需要訪問以每一行的每一個數據的話，可以使用ResultSetMetaData來訪問。 MetaData是“元資料的意思”，是描述其他資料時回到的資料。 幾個ResultSetMe

Python基礎（8）：python中的特性進階篇（迭代，列表生成式，生成器，迭代器）

python中還包括一些高階特性，以下簡單介紹。 迭代 定義：用for迴圈來遍歷物件的過程，叫做迭代。 作用物件：可迭代物件 如何判斷是否為可迭代物件：isinstance(xxx,Iterable)，Iterable型別來源於collections模組。 應用場景： 1

Android 網路程式設計（8）: 原始碼解析 OkHttp 中篇[複用連線池]

1.引子 在瞭解OkHttp的複用連線池之前，我們首先要了解幾個概念。 TCP三次握手 通常我們進行HTTP連線網路的時候我們會進行TCP的三次握手，然後傳輸資料，然後再釋放連線。 TCP三次握手的過程為： 第一次握手：建立連線。客戶端傳送連線請求報文段，將SYN位置為1

Java多執行緒程式設計-（8）-多圖深入分析ThreadLocal原理

原文出自 : https://blog.csdn.net/xlgen157387/article/details/78297568 ThreadLocal可以說是筆試面試的常客，每逢面試基本都會問到，關於ThreadLocal的原理以及不正當的使用造成的OOM記憶體溢位的問

機器學習實戰python例項（2）SVM優化

簡易版的SVM中，SMO演算法中α的選擇採取遍歷且隨機的方式，見http://blog.csdn.net/xiaonannanxn/article/details/52372085 優化版中，我們採取啟發式方式選擇，即αj選擇max|Ei-Ej|，這樣就可以讓