notebookutils.get_df(1).to_pandas()的简单介绍

本文目录一览：

• 1、jupyter找不到mpl_finance
• 2、Python自动生成数据日报
• 3、python3.6程序运行出错，下面是提示 Traceback (most recent call last):

jupyter找不到mpl_finance

jupyter找不到mpl_finance的解决方法如下：

这串代码是在参加疫情识别情绪大赛的时候看的网上大佬们的代码，AI小白在刚运行程序之初就遇到了很多问题，主要是导入一些包的问题，之前也遇到过很多类似问题，现在整理一下问题和解决方法。

import os

import sys

sys.path.append(‘d:\\anaconda\\lib\\site-packages’)

import pandas as pd

import numpy as np

from sklearn.model_selection import StratifiedKFold

from tqdm import tqdm

import tensorflow as tf

import tensorflow.keras.backend as K

from tensorflow.keras.utils import to_categorical

from transformers import *

print(tf.__version__)

问题一：修改jupyter默认打开目录

首先是想调整一下jupyter打开的根目录，因为默认都是C盘，而我的C盘快爆了所以就调整的，但是只能每次进来时候都调整，目前我还没找到彻底改变根目录的方法，但是也可以给大家借鉴一下：

打md，输入想修改的位置，我直接输入了E:

输入jupyter notebook

这样就完成了切换

问题二：anaconda中jupyter无法import已安装的pandas模块问题

然后运行这段程序时候就出现了问题，在c盘时候import pandas不会出错，可修改了以后就会出错，于是我又搜寻了解决方法，原因可能换了位置以后没找到你的pandas路径。解决方法：

import sys

sys.path.append(‘d:\\anaconda\\lib\\site-packages’)

import pandas as pd

就是在mport pandas as pd这句添加两句话就完事，append的路径就是你放pandas的地方，jupyter notebook不知道module的路径在哪，默认只知道current path，可以先在cmd中查一下：

pip show –verbose pandas

问题三：在tensorflow中找不到to_categorical

然后是from tensorflow.keras.utils import to_categorical这句话出现了问题，原因是我一开始输入了from tensorflow.python.keras.utils import to_categorical，这个应该是我的tensorflow里边还没安装python kernel，但是我已经conda下装了keras，这个用前面这句话就没有问题

问题四：ModuleNotFoundError: No module named ‘transformers’

那就下一个这个模块就好了

在anaconda navigator里边点进去base右边绿箭头下的terminal，输入pip install transformers就可以了，我一开始在anaconda prompt下conda install transformers，这个就没成功，还是太小白了

C盘爆满解决办法

因为在下载tensorflow时候C盘特别满，最后显示no space无法安装，然后我也不知道C盘哪些可以删除，于是就使用电脑管家这个软件，进去后：

点击左侧工具箱

寻找软件搬家这个工具包

选择C盘中你想移动的软件和大文件，选择要移去的磁盘，我选的是D，最好该磁盘新建一个文件夹“C2Dfile”，这样就不会和其他的文件搞混了然后这样就没有删除任何文件就可以瘦身你的C盘啦

Python自动生成数据日报

import pandas as pd

import numpy as np

import collections as Counter

from datetime import datetime

df=pd.read_excel(“D:\曾海峰\python零一课程\用Python自动生成数据日报！\销售数据明细.xlsx”,

parse_dates=[‘销售日期’])

df.head()#数据预览

df.info()#查看数据属性

“””

计算指标

计算指标设定，设置本文需要计算的指标，指标计算如下：

收入=销量*销售额

单量=销量汇总

货品数=货品数去重

收入环比：本月收入/上月收入-1

单量环比：本月单量/上月单量-1

计算本月相关指标

首先选取本月的数据，本月截止到2021年12月25日的数据，分别计算本月截止12月25日收入、

本月截止12月25日单量、本月截止12月25日货品数。”””

“””shouru1=(the_month[‘销量’]*the_month[‘销售额’]).sum()#本月截止12月25日收入

danliang1=the_month[‘销量’].sum()#本月截止12月25日单量

huopin1=the_month[‘货号’].unique()#本月截止12月25日货品数

list_huopin1=len(huopin1.tolist())

print(“本月截止到12月25日收入为{:.2f}元,单量为{}个,货品数为{}个”.format(shouru1,danliang1,list_huopin1))”””

“””计算上月相关指标

同时选取上月同期的数据，数据范围11月1日到11月25日的数据，分别计算上月同期的收入、上月同期的单量、上月同期的货品数。”””

“””shouru2=(last_month[‘销量’]*last_month[‘销售额’]).sum()#本月截止12月25日收入

danliang2=last_month[‘销量’].sum()#本月截止11月25日单量

huopin2=last_month[‘货号’].unique()#本月截止11月25日货品数

list_huopin2=len(huopin2.tolist())

print(“本月截止到11月25日收入为{:.2f}元,单量为{}个,货品数为{}个”.format(shouru2,danliang2,list_huopin2))”””

“””利用函数进行封装

以上我们可以发现规律，计算本月的相关指标数据与计算上月同期的指标数据计算逻辑是一样的，除了数据选取的日期不一样，我们可以自定义一个函数，用于计算相关的数据指标，简化数据计算的流程。”””

def get_month_date(df):

shouru=(df[‘销量’]*df[‘销售额’]).sum()

danliang=df[‘销量’].sum()

huopin=df[‘货号’].nunique()

#list_huopin=len(huopin.tolist())

#return(shouru,danliang,list_huopin)

return(shouru,danliang,huopin)

the_month=df[(df[‘销售日期’]=datetime(2021,12,1))(df[“销售日期”]=datetime(2021, 12,25))]

shouru1,danliang1,huopin1=get_month_date(the_month)#计算本月数据指标

print(“本月截止12月25日收入为{:.2f}元，单量为{}个，货品数为{}个”.format(shouru1,danliang1,huopin1))

last_month=df[(df[‘销售日期’]=datetime(2021,11,1))(df[“销售日期”]=datetime(2021, 11,25))]

shouru2,danliang2,huopin2=get_month_date(last_month)#计算本月数据指标

print(“上月截止11月25日收入为{:.2f}元，单量为{}个，货品数为{}个”.format(shouru2,danliang2,list_huopin2))

“””计算环比 构建一个DataFrame，填入具体的计算指标数值，计算环比数据。”””

ribao=pd.DataFrame([[shouru1,shouru2],

[danliang1,danliang2],

[huopin1,huopin2]],

columns=[“本月”,”上月”],

index=[‘收入’,’单量’,’货品数’])

ribao[‘环比’]=ribao[‘本月’]/ribao[‘上月’]-1

ribao[‘环比’]=ribao[‘环比’].apply(lambda x:format(x,’.2%’))#数据小数转百分数，%2表示保留小数点后2位

ribao

“”可以将具体的数据日报导出到本地。””

ribao.to_excel(r’C:\Users\liangfeng\Desktop\数据日报.xlsx’,index=False)

df[‘销售月份’]=df[‘销售日期’].astype(str).str[0:7].str.replace(‘-‘,”)

df_group=df.groupby(“销售月份”).aggregate({‘销售额’:’sum’,’销量’:’sum’})

df_group=df.groupby(“销售月份”).aggregate({“销售额”:”sum”,”销量”:”sum”})

df_group

from pyecharts import options as opts

from pyecharts.charts import Bar, Line

from pyecharts.faker import Faker

v1 = df_group[‘销售额’].round(2).tolist()

v2 = df_group[‘销量’].tolist()

bar = (Bar()

.add_xaxis(df_group.index.tolist())

.add_yaxis(“销售额”, v1 ,category_gap=”60%”,gap=”10%”) #设置柱形间隙宽度

.extend_axis(yaxis=opts.AxisOpts(axislabel_opts=opts.LabelOpts(formatter=”{value} 单”), min_=0,max_=1750))#设置次坐标轴坐标大小

.set_series_opts(label_opts=opts.LabelOpts(is_show=True))#显示数据标签

.set_global_opts(title_opts=opts.TitleOpts(title=”21年每月销售额与销量情况”),

datazoom_opts=opts.DataZoomOpts(),#添加滚动条

yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(formatter=”{value} 元”),min_=0,max_=850000)))#设置主坐标轴坐标大小

line = Line().add_xaxis(df.index.tolist()).add_yaxis(“销售量”, v2, yaxis_index=1, is_smooth=True)

bar.overlap(line)

bar.render_notebook() ###bar.render(r’C:\Users\尚天强\Desktop\销售日报.html’)

python3.6程序运行出错，下面是提示 Traceback (most recent call last):

楼上说的不对，出的错与单引号无关，是编码的问题。你的代码本身没错，把你现在的文件删掉，重新建一个就行。下面和你的一样，只是换了路径，测试可行

1234567891011121314src_path = ‘E:\\test_0.txt’des_path = ‘E:\\test_1.txt’ file_wait_to_read = open(src_path, ‘r’)file_wait_to_write = open(des_path, ‘w’) a href=”;tn=44039180_cprfenlei=mv6quAkxTZn0IZRqIHckPjm4nH00T1dBuhF9PAnsuh7Bm1m4nHfY0ZwV5Hcvrjm3rH6sPfKWUMw85HfYnjn4nH6sgvPsT6K1TL0qnfK1TL0z5HD0IgF_5y9YIZ0lQzqlpA-bmyt8mh7GuZR8mvqVQL7dugPYpyq8Q1mzn1fsrj61PWn4rHD1njmsP0″ target=”_blank” class=”baidu-highlight”sat/a = raw_input(‘Please input the selected a href=”;tn=44039180_cprfenlei=mv6quAkxTZn0IZRqIHckPjm4nH00T1dBuhF9PAnsuh7Bm1m4nHfY0ZwV5Hcvrjm3rH6sPfKWUMw85HfYnjn4nH6sgvPsT6K1TL0qnfK1TL0z5HD0IgF_5y9YIZ0lQzqlpA-bmyt8mh7GuZR8mvqVQL7dugPYpyq8Q1mzn1fsrj61PWn4rHD1njmsP0″ target=”_blank” class=”baidu-highlight”sat/aellite: ‘)for line in file_wait_to_read.readlines(): if line.startswith(a href=”;tn=44039180_cprfenlei=mv6quAkxTZn0IZRqIHckPjm4nH00T1dBuhF9PAnsuh7Bm1m4nHfY0ZwV5Hcvrjm3rH6sPfKWUMw85HfYnjn4nH6sgvPsT6K1TL0qnfK1TL0z5HD0IgF_5y9YIZ0lQzqlpA-bmyt8mh7GuZR8mvqVQL7dugPYpyq8Q1mzn1fsrj61PWn4rHD1njmsP0″ target=”_blank” class=”baidu-highlight”sat/a): file_wait_to_write.write(line) file_wait_to_write.flush()file_wait_to_read.close()file_wait_to_write.close()