开发语言 python basic3-zstarling

zstarling

1. map 函数匹配。成字典。2. 分组模糊匹配。3. 折线图的数据标签显示4. set_xticks() 无法识别列表5. set_xticklabels()会缺少一个值6. dtype()查看数据类型 ,astype()修改数据类型。7. object是指数值里有一个值是字符串类型，整体可以指字符串类型。8. 判断某一字段的值是否存在在另一字段中9. contains多个字符串包含10. 追加写入csv11. query 多条件索引及多字段查询12. dataframe 多级索引父行占比

python

1. map 函数匹配。成字典。

法1：

dict_1=dict(zip(qhcs_nc['姓名'],qhcs_nc['是否切换区域']))

jsmb1['是否切换城市']=jsmb1['员工\n编号'].map(dict_1)

法2:

dict1=pd.read_excel(data1,sheet_name="职级").set_index('职级')['对应等级'].to_dict()

raw_data['对应等级']=raw_data['职级'].map(dict1)

2. 分组模糊匹配。

（if 函数）

3. 折线图的数据标签显示

4. set_xticks() 无法识别列表

传输列表只能是数值列表{且是原始列表}

5. set_xticklabels()会缺少一个值

（必须结合set_xticks使用，否则会丢失第一个值）

def zuhe(i, j, x, y, z, w):

fig, ax1 = plt.subplots(figsize=(14, 8))

ax2 = ax1.twinx()

x1 = np.arange(len(x))

bar1 = ax1.bar(x1, y, color='orange', label="人数", width=0.3)

bar2 = ax1.bar(x1+0.3, z, color='gray', label="平均产能", width=0.3)

pl1 = ax2.plot(x1+0.15, w, color='yellow', label="成本率")

title = "%s人员产能及薪酬-%s" % (j, i)

ax1.set_title(title)

ax1.bar_label(bar1)

ax1.bar_label(bar2, fmt='%d')

ax1.set_xticks(x1+0.15) # x轴标签的位置右移0.15（没有set_xticklabels时会以此值为轴标签显示）

ax1.set_xticklabels(x.values) # x轴标签的值

ax1.legend(loc='best', frameon=False)

ax2.legend(loc='right', frameon=False)

plt.savefig("%s.png" % title, format="png")

for i in yewu:

for j in dengji:

x = raw_data[(raw_data['业务'] == "%s" % i) & (

raw_data['对应等级'] == "%s" % j)]['职级']

y = raw_data[(raw_data['业务'] == "%s" % i) & (

raw_data['对应等级'] == "%s" % j)]['人数']

z = raw_data[(raw_data['业务'] == "%s" % i) & (

raw_data['对应等级'] == "%s" % j)]['平均产能']

w = raw_data[(raw_data['业务'] == "%s" % i) & (

raw_data['对应等级'] == "%s" % j)]['成本率(元效）']

# zhuzhuang(i, j, x, y, z)

zuhe(i, j, x, y, z, w)

6. dtype()查看数据类型 ,astype()修改数据类型。

7. object是指数值里有一个值是字符串类型，整体可以指字符串类型。

8. 判断某一字段的值是否存在在另一字段中

法1

# 缺少的城市法1（复杂度较高）

pro_city2=tai1[tai1.astype(str).apply(lambda x:x.pro_city2 not in x.pro_city1,axis=1)]['pro_city1'].unique

da2=tai1[tai1.astype(str).apply(lambda x:x.二网经销商市 not in x.城市,axis=1)]

da2.drop_duplicates(['二网经销商市'])['二网经销商市']

da2.drop_duplicates(['二网经销商省'])['二网经销商省']

法2

## 缺少的城市法2

list_pro=[]

for i in pro1:

if i not in list(pro2):

list_pro.append(i)

len(list_pro)

法3

## 缺少的城市法3

tai["判断列"]=np.where(tai['二网经销商市'].isin(list(data1['城市'])),1,0)

len(set(tai[tai["判断列"]==0]['二网经销商市']))

9. contains多个字符串包含

# contains多个字符串包含,用|表示，且在一个引号内

jsmb['是否虚拟']=np.where(jsmb['岗位'].str.contains('常规|虚拟'),"是","否")

jsmb['是否虚拟'].value_counts()

10. 追加写入csv

# 追加写入csv

for i in range(1,7):

lujing=r"D:\ZXL工作文件\Jupyter\补录表\存量%s收入.xlsx" %i

buchong=pd.read_excel(lujing)

buchong.to_csv('da1.csv',encoding='GBK',index=False,mode="a",header=False)

11. query 多条件索引及多字段查询

yytz_cp_pivot=yytz_cp.pivot_table(values=['融资金额付款审批','融资金额*期限','融资额*期限*X','融资额*期限*利率','产品'],

index=["新车or二手车","渠道描述区域",'万元系数1'],

columns="月份",

aggfunc={'融资金额付款审批':"sum",'融资金额*期限':"sum",'融资额*期限*X':"sum",'融资额*期限*利率':"sum",'产品':"count"},

margins=True)

yytz_cp_pivot.query('新车or二手车=="二手车"')

yytz_cp_pivot.query('新车or二手车=="二手车" and 渠道描述区域=="%s"'%quyu)

yytz_cp_pivot[('产品',4)]

yytz_cp_pivot['单量父级占比4']=round(yytz_cp_pivot[('产品',4)].sum(level=["新车or二手车","渠道描述区域",'万元系数1'],axis=0)/yytz_cp_pivot[('产品',4)].sum(level=["新车or二手车","渠道描述区域"],axis=0),4)

yytz_cp_pivot['单量父级占比5']=round(yytz_cp_pivot[('产品',5)].sum(level=["新车or二手车","渠道描述区域",'万元系数1'],axis=0)/yytz_cp_pivot[('产品',5)].sum(level=["新车or二手车","渠道描述区域"],axis=0),4)

yytz_cp_pivot['单量父级占比6']=round(yytz_cp_pivot[('产品',6)].sum(level=["新车or二手车","渠道描述区域",'万元系数1'],axis=0)/yytz_cp_pivot[('产品',6)].sum(level=["新车or二手车","渠道描述区域"],axis=0),4)

12. dataframe 多级索引父行占比

yytz1=yytz_cp.pivot_table(values=['产品'],

index=["新车or二手车","渠道描述区域",'万元系数1'],

columns="月份",

aggfunc={'产品':"count"})

yytz1['分子']=yytz1['产品'].sum(level=["新车or二手车","渠道描述区域",'万元系数1'],axis=0)

yytz1['分母']=yytz1['产品'].sum(level=["新车or二手车","渠道描述区域"],axis=0)

yytz1['占比']=yytz1['分子']/yytz1['分母']

好文链接