pandas组内排序并生成序号的实现方法
本文介绍如何在pandas中实现类似SQL row_number()的组内排序与排名功能。通过groupby结合rank或apply排序方法，可为DataFrame指定列按分组添加序号。示例涵盖薪资与班级得分场景，提供多种实现代码及注意事项，帮助开发者高效处理分组数据。
2026-10-15
7
本文介绍如何在pandas中实现类似SQL row_number()的组内排序与排名功能。通过groupby结合rank或apply排序方法，可为DataFrame指定列按分组添加序号。示例涵盖薪资与班级得分场景，提供多种实现代码及注意事项，帮助开发者高效处理分组数据。
本文介绍如何利用Python的Pandas库处理包含数万条记录的Excel文件，自动根据预设的供应商全称与简称对应关系填充数据。通过构建字典映射并遍历数据列，实现批量填写简称的功能。文章同时探讨了字符串匹配中因括号、空格等细微差异导致的匹配失败问题，为后续优化提供思路。
本文详解Python向MySQL插入NULL值的方法，区分%s占位符加不加引号的差异。深入对比数据库中NULL与空字符的区别，以及Python中None、Pandas中NaN与数据库NULL的对应关系，帮助开发者避免数据读取与写入时的类型错误。
本文详细介绍如何使用Python结合PySimpleGUI和Pandas库开发一款数据预处理小工具。通过构建图形用户界面，实现Excel文件的读取与预览，并自动化处理重复值、缺失值及异常值。文章涵盖界面布局设计、核心代码解析、数据处理逻辑及使用PyInstaller打包成可执行文件的全过程，旨在提供一键完成数据清洗的实用方案。
本文详细介绍Python中Pandas库的交叉表(crosstab)功能，涵盖其语法参数、默认频数统计及自定义聚合。同时深入解析如何利用groupby结合apply和cut函数，手动构建复杂的交叉分组表，适用于离散数据的统计汇总场景。
本文详细介绍如何使用Python通过pymysql库连接MySQL数据库。内容涵盖环境安装、连接参数配置、利用pandas read_sql及游标cursor两种方式读取数据，以及插入、更新、删除等事务处理与结果获取方法，帮助开发者快速实现数据库交互。
本文介绍pandas中常用的参数设置方法，包括通过pd.set_option()控制最大显示行数、列数及列宽，利用chop_threshold隐藏小数值，以及浮点数格式化和精度调整。同时讲解如何使用option_context进行临时参数修改，帮助开发者灵活优化数据展示效果。
本文详解如何在Python中将Excel导入的数字日期转换为标准日期格式。通过实验确定Excel日期基准日为1899-12-30，利用pandas读取数据并修改列名，结合datetime库计算偏移量。提供完整代码示例，解决Excel时间戳导致的日期显示异常问题，适用于数据清洗与自动化处理场景。
本文详细介绍pandas库中DataFrame.drop_duplicates函数的使用方法，重点解析subset、keep和inplace三个核心参数的具体含义与配置选项。通过实际代码示例，演示如何指定列进行去重、保留首尾重复项或完全删除重复数据，帮助开发者高效处理数据清洗中的重复值问题。
本文介绍如何利用Python的Pandas库处理数据中的缺失值。通过df.interpolate()函数实现线性插值，根据前后已知数值按比例填充中间的空缺，例如在0和1之间填充0.5或0.33、0.67，从而保持数据趋势的连续性。
本文深入解析 pandas 库中 DataFrame.plot() 函数的核心参数与用法。详细讲解如何配置图形类型（折线、条形、散点等）、子图布局及坐标轴设置，并指出散点图需传入双Y列的关键细节。同时提供在 Jupyter Notebook 与脚本环境中创建画布、子图及显示图形的标准流程，帮助开发者高效实现数据可视化。
本文介绍了如何使用Python的pymysql库连接MySQL数据库，并通过pandas库将查询结果转换为DataFrame对象。文章提供了完整的代码示例，展示了从建立连接、执行SQL查询到关闭连接的完整流程，以及如何遍历和访问DataFrame中的元素。