文章目錄
- 1、返回列表最大元素的索引
- 2、將列表元素去重並保持原有順序
- 3、數據框指定位置添加列
- 4、獲得某個文件夾下所有文件名稱(包括子文件夾內的文件)
- 5、獲取N天之前,或者N天之後的日期 *`“%Y-%m-%d %H:%M:%S”`*
- 6、獲取兩個日期之間相差的天數
- 7、返回今日日期、此時此刻、構造日期
- 8、刪除數據框多個列
- 9、匹配中文 `u"[\u4e00-\u9fa5/]+"`
- 10、分組聚合取衆數 `lambda x: x.value_counts().index[0]`
- 11、根據鏈接保存圖片
- 12、數據框向下填充空值 `data.fillna(method='ffill')`
- 13、部分列變行 `pd.melt(df,id_vars=['**'],value_vars=['**'],var_name='**',value_name='***')`
- 14、刪除顏文字 `pattern = re.compile(u'[\U00010000-\U0010ffff]')`
- 15、排列組合
1、返回列表最大元素的索引
2、將列表元素去重並保持原有順序
3、數據框指定位置添加列
4、獲得某個文件夾下所有文件名稱(包括子文件夾內的文件)
5、獲取N天之前,或者N天之後的日期 “%Y-%m-%d %H:%M:%S”
6、獲取兩個日期之間相差的天數
7、返回今日日期、此時此刻、構造日期
8、刪除數據框多個列
9、匹配中文 u"[\u4e00-\u9fa5/]+"
10、分組聚合取衆數 lambda x: x.value_counts().index[0]
11、根據鏈接保存圖片
12、數據框向下填充空值 data.fillna(method='ffill')
13、部分列變行 pd.melt(df,id_vars=['**'],value_vars=['**'],var_name='**',value_name='***')
14、刪除顏文字 pattern = re.compile(u'[\U00010000-\U0010ffff]')
15、排列組合
from itertools import combinations
from itertools import permutations