Cập nhật thông tin lớp 22161050 – Khởi nghiệp
Đăng vào 30/10/202221/11/2022 312
Update. 21/11/2022 7. 25PM * Cập nhật Điểm cá nhân [Điểm trắc nghiệm] STT MSSV Họ tên sinh viên
Đọc thêmCập nhật thông tin lớp 22151020 – Khởi nghiệp
Đăng vào 30/10/202218/11/2022 420
Update. 18/11/2022 10. 25AM * Cập nhật Điểm cá nhân [Điểm trắc nghiệm] STT MSSV Họ tên sinh viên
Đọc thêmCập nhật thông tin Lớp 22170112 – Lập trình Web
Đăng vào 29/10/2022 247
* Danh sách đăng ký đề tài STT MSSV Họ tên Đề tài 1 2001207166 LÊ THÀNH AN Website
Đọc thêmCập nhật thông tin Lớp 22160101 – Lập trình Web
Đăng vào 29/10/2022 265
* Danh sách đăng ký đề tài STT MSSV Họ tên Đề tài 1 2001200258 DƯƠNG HẠ DÂN Website
Đọc thêmCập nhật thông tin Lớp 22120702 – Lập trình Web
Đăng vào 27/10/2022 189
* Danh sách đăng ký đề tài STT MSSV Họ tên Đề tài 1 2001200770 ĐOÀN QUỐC ANH Website
Đọc thêmLưu ý trước khi bắt đầu
Như đã nói, bạn có thể đánh dấu lại bài viết này vào trình duyệt yêu thích của bạn, khi cần tìm mã đoạn nào đó, bạn có thể nhấn Ctrl + F hoặc ⌘ + F [trên máy Mac] Để sử dụng được đoạn đó
5 – Đối tượng DataFrame trong Pandaspd.read_html[url]
6 – Chuỗi đối tượng trong Pandaspd.read_html[url]
Cách đọc dữ liệu trong Pandas Python
Các câu lệnh trong phần này giúp bạn có thể tải hoặc nhập dữ liệu từ nhiều nguồn và nhiều định dạng dữ liệu khác nhauCách đọc dữ liệu từ tệp CSV
pd.read_csv[filename]
Cách đọc dữ liệu từ một tệp TSV
pd.read_table[filename]
Cách đọc dữ liệu từ một tệp Excel
pd.read_excel[filename]
Cách đọc dữ liệu từ SQL cơ sở dữ liệu
pd.read_sql[query, connection_object]
Cách đọc dữ liệu từ nguồn JSON [tệp, chuỗi hoặc URL]
pd.read_json[json_string]
Cách đọc dữ liệu từ nguồn HTML [tệp, chuỗi hoặc URL]
pd.read_html[url]
Cách đọc dữ liệu từ Clipboard
pd.read_clipboard[]
Nội dung của Clipboard sẽ được chuyển đến pd.read_html[url]
7Cách đọc dữ liệu kiểu từ điển trong Python
pd.read_html[url]
1Cách xuất dữ liệu từ Pandas DataFrame
Trong phần này, chúng tôi sẽ tổng hợp một số cách xuất dữ liệu từ Pandas DataFrame ra một số nguồn thông tinCách xuất dữ liệu từ DataFrame ra tệp CSV
pd.read_html[url]
2Cách xuất dữ liệu từ DataFrame ra tệp Excel
pd.read_csv[filename]
0Cách xuất dữ liệu từ DataFrame ra SQL
pd.read_csv[filename]
1Cách xuất dữ liệu từ DataFrame ra JSON
pd.read_csv[filename]
2Cách tạo data test
Những dòng mã trong phần này sẽ giúp bạn tạo dữ liệu kiểm tra với sự trợ giúp của thư viện NumpyCách tạo kiểm tra bảng dữ liệu với Numpy và Pandas
Đoạn mã này sẽ tạo ra một bảng bao gồm 23 dòng và 4 cột, được điền vào các giá trị ngẫu nhiên từ Numpypd.read_csv[filename]
3Cách tạo chuỗi từ một danh sách
pd.read_csv[filename]
4Cách thêm chỉ mục là cột ngày tháng
pd.read_csv[filename]
5Cách xem và kiểm tra dữ liệu
Những câu lệnh trong phần này sẽ giúp bạn kiểm tra DataFrame hoặc Series trong Panda theo một vị trí cụ thểCách xem n line đầu tiên của DataFrame
pd.read_csv[filename]
6Cách xem dòng cuối cùng của DataFrame
pd.read_csv[filename]
7Cách lấy số dòng cột của DataFrame
pd.read_csv[filename]
8Cách lấy số dòng cột của DataFrame
pd.read_csv[filename]
8Xem thông tin về Index, data type and dung lượng của DataFrame
pd.read_table[filename]
0Table table total results for the column has data type is number
pd.read_table[filename]
1Xem giá trị duy nhất và đếm số giá trị này, đếm cả trường hợp NA
Lưu ý Áp dụng cho các đối tượng Seriespd.read_table[filename]
2Tổng giá trị duy nhất cuối cùng và tính cho tất cả các cột
pd.read_table[filename]
3Trích xuất một phần dữ liệu trong Pandas DataFrame
Những câu lệnh trong phần này sẽ giúp bạn trích xuất dữ liệu từ DataFrame hoặc Series trong PandasTrả về một cột của DataFrame dưới dạng Chuỗi
Trả về các cột có nhãn là col như một Seriespd.read_table[filename]
4Trả về các cột trong danh sách dưới dạng DataFrame mới
pd.read_table[filename]
5Chọn dữ liệu theo vị trí
pd.read_table[filename]
6Select data by index
pd.read_table[filename]
7Select data at first line
pd.read_table[filename]
8Chọn dữ liệu ở dòng đầu tiên, ô thứ nhất của DataFrame
pd.read_table[filename]
9Cách làm sạch dữ liệu trong Pandas DataFrame
Các đoạn mã trong phần này sẽ giúp bạn xử lý và làm sạch dữ liệuĐổi tên các cột trong DataFrame theo thứ tự
pd.read_excel[filename]
0Kiểm tra dữ liệu với giá trị null
pd.read_excel[filename]
1Check tra data with other value null
pd.read_excel[filename]
2Remove the whole lines with data null
pd.read_excel[filename]
3Remove the whole column has data null
pd.read_excel[filename]
4Bỏ qua các dòng có nhiều hơn giá trị null
pd.read_excel[filename]
5Cách thay thế toàn bộ giá trị null bằng giá trị x
pd.read_excel[filename]
6Cách thay thế toàn bộ giá trị null bằng giá trị khác
Thay giá trị null trong Series bởi giá trị trung bình của các giá trị trong Series [có nghĩa là có thể được thay thế bởi các hàm khác trong thống kê mô-đun của Python]pd.read_excel[filename]
7Cách chuyển đổi kiểu dữ liệu của sê-ri sang Float
pd.read_excel[filename]
8Cách thay thế giá trị này bởi giá trị khác
Thay tất cả các giá trị bằngpd.read_html[url]
8 bởi pd.read_html[url]
9pd.read_excel[filename]
9Cách thay nhiều giá trị cùng lúc
pd.read_sql[query, connection_object]
0Đổi tên hàng loạt cột bằng lambda
pd.read_sql[query, connection_object]
1Cách đổi tên cột cụ thể trong DataFrame
pd.read_sql[query, connection_object]
2Change index in DataFrame
pd.read_sql[query, connection_object]
3Change the index row in DataFrame
pd.read_sql[query, connection_object]
4Cách lọc, sắp xếp, nhóm dữ liệu trong Pandas DataFrame
Các câu lệnh trong phần này sẽ giúp bạn thực hiện các thao tác lọc, sắp xếp hoặc nhóm dữ liệu trong DataFrame một cách dễ dàngLọc dữ liệu theo điều kiện
Lọc ra các dòng mãn điều kiệnpd.read_clipboard[]
0 lớn hơn pd.read_clipboard[]
1pd.read_sql[query, connection_object]
5Lọc ra các dòng mãn điều kiện. has value column pd.read_clipboard[]
0 in distance pd.read_clipboard[]
3 to pd.read_clipboard[]
4pd.read_sql[query, connection_object]
6Sắp xếp dữ liệu
Sắp xếp dữ liệu trong cộtpd.read_clipboard[]
5 theo chiều thuận [tăng dần]pd.read_sql[query, connection_object]
7Sắp xếp dữ liệu trong cột pd.read_clipboard[]
6 theo nghịch [giảm dần]pd.read_sql[query, connection_object]
8Sắp xếp pd.read_clipboard[]
5 theo chiều thuận và pd.read_clipboard[]
6 theo nghịchpd.read_sql[query, connection_object]
9Group data, pivot data with groupby
Pivot dữ liệu theopd.read_clipboard[]
5pd.read_json[json_string]
0Pivot dữ liệu theo nhiều cột pd.read_clipboard[]
5, pd.read_clipboard[]
6Pivot dữ liệu với pivot_table trong DataFrame
Tạo một Pivot Table, nhóm dữ liệu theo cộtpd.read_clipboard[]
5, tính trung bình của pd.read_clipboard[]
6, pd.read_html[url]
14pd.read_json[json_string]
1Tính trung bình của tất cả các cột
pd.read_json[json_string]
2Tính max mỗi dòng
Application function np. max[] for each data linespd.read_json[json_string]
3Nối dữ liệu, gộp dữ liệu bằng Pandas DataFrame
Nối dữ liệu DataFrame theo chiều dọc
Nối các dòng củapd.read_html[url]
15 xuống dưới pd.read_html[url]
16 [Số lượng các cột trong 2 DataFrames này phải giống nhau]pd.read_json[json_string]
4Nối dữ liệu DataFrame theo chiều ngang
Nối các cột củapd.read_html[url]
15 sang phải các cột của pd.read_html[url]
16 [Số lượng các dòng trong 2 DataFrames này phải giống nhau]pd.read_json[json_string]
5Tham gia dữ liệu 2 DataFrames theo kiểu SQL
pd.read_json[json_string]
6Join 2 DataFrame pd.read_html[url]
15 và pd.read_html[url]
16 theo cột chung pd.read_clipboard[]
5, kiểu Join là pd.read_html[url]
22. Ngoài ra còn hỗ trợ các kiểu tham gia. pd.read_html[url]
23, pd.read_html[url]
24, pd.read_html[url]
25Dữ liệu thống kê bằng Pandas DataFrame
Data Statistics for Numbers Columns
pd.read_table[filename]
1Tính nghĩa là cho tất cả các cột
pd.read_json[json_string]
8Tính tương quan giữa các cột
pd.read_json[json_string]
9Dem number null value for the column
pd.read_html[url]
0Find the best value for each column
pd.read_html[url]
1Find the small value for each column
pd.read_html[url]
2Find the media value for each column
pd.read_html[url]
3Tìm giá trị độ lệch chuẩn cho mỗi cột
pd.read_html[url]
4Hi vọng với bài viết này, Thành sẽ giúp bạn làm việc dễ dàng hơn với DataFrame trong Pandas. Đừng quên tham khảo khóa học Lập trình tương tác Python Excel chìa khoá tối ưu công việc