标签：loc CPI python 标签 fmt header data 小记

• 读写文件
  • 读取文件

    • 1 # 利用pandas读取文件，数据类型为DataFrame； 若需指定分隔符使用sep='',默认',',只能单个字符；
      2 data = pd.read_csv(datafile, header=None, usecols=[0, 1, 3, 5, 6, 15])
      3 # header指示列标签位置所在行号，默认第一行； nrows指定读取文件前n列
      4 
      5 # 指定列标签名，通常配合header=None使用
      6 data.columns = ['start', 'end', 'taskId', 'cpu_uti', 'memory', 'CPI']
      7 
      8 # 删除指定列存在空值的 所在行
      9 data.dropna(subset=['CPI'], inplace=True)  # 删除存在空值的行

  • 写入文件

    • 1 # 此法输出分隔符只能用单个字符，同样用sep标签
      2 data.to_csv('filtedData', index=False, header=False)
      3 # index, header=False表示不输出行号和列表签名
      4 
      5 # 此法分隔符可用多个字符，使用numpy模块，delimiter标签
      6 # fmt标签指定输出每个数据的格式
      7 fmt = '%d', '%d', '%d', '%.1f', '%d', '%f', '%f', '%d', '%d'
      8 np.savetxt('filtedData', data.values, delimiter=', ', fmt=fmt)

  • 顺带一提，DataFrame相关操作：

    •  1 # 取数
       2 data.loc[x, y]
       3 
       4 # 新增一列
       5 # 可用其余列做运算得到新列，或复制，或直接赋值
       6 data.loc[:, 'size'] = (data.loc[:, 'end'] - data.loc[:, 'start']) / data.loc[:, 'CPI'] / 1e3
       7 data.loc[:, 'mobileId'] = [random.randint(0, 9) for x in range(Num)]       # mobileId随机生成
       8 data['taskType'] = 0
       9 data['uploadSize'] = data['size']
      10 
      11 #删除多余列
      12 data.drop(labels=['end', 'CPI'], axis=1, inplace=True)
      13 # inplace=True表示对原数据保存修改
      14 
      15 # 列重排，换位置
      16 data = data[['mobileId', 'taskId', 'taskType', 'start', 'size', 'memory', 'cpu_uti', 'uploadSize', 'downloadSize']]

标签：loc,CPI,python,标签,fmt,header,data,小记
来源： https://www.cnblogs.com/liubilan/p/15106790.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。