notebookutils.get_df(1).to_pandas()的簡單介紹

本文目錄一覽：

• 1、jupyter找不到mpl_finance
• 2、Python自動生成數據日報
• 3、python3.6程序運行出錯，下面是提示 Traceback (most recent call last):

jupyter找不到mpl_finance

jupyter找不到mpl_finance的解決方法如下：

這串代碼是在參加疫情識別情緒大賽的時候看的網上大佬們的代碼，AI小白在剛運行程序之初就遇到了很多問題，主要是導入一些包的問題，之前也遇到過很多類似問題，現在整理一下問題和解決方法。

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__)

問題一：修改jupyter默認打開目錄

首先是想調整一下jupyter打開的根目錄，因為默認都是C盤，而我的C盤快爆了所以就調整的，但是只能每次進來時候都調整，目前我還沒找到徹底改變根目錄的方法，但是也可以給大家借鑒一下：

打md，輸入想修改的位置，我直接輸入了E:

輸入jupyter notebook

這樣就完成了切換

問題二：anaconda中jupyter無法import已安裝的pandas模塊問題

然後運行這段程序時候就出現了問題，在c盤時候import pandas不會出錯，可修改了以後就會出錯，於是我又搜尋了解決方法，原因可能換了位置以後沒找到你的pandas路徑。解決方法：

import sys

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

import pandas as pd

就是在mport pandas as pd這句添加兩句話就完事，append的路徑就是你放pandas的地方，jupyter notebook不知道module的路徑在哪，默認只知道current path，可以先在cmd中查一下：

pip show –verbose pandas

問題三：在tensorflow中找不到to_categorical

然後是from tensorflow.keras.utils import to_categorical這句話出現了問題，原因是我一開始輸入了from tensorflow.python.keras.utils import to_categorical，這個應該是我的tensorflow裡邊還沒安裝python kernel，但是我已經conda下裝了keras，這個用前面這句話就沒有問題

問題四：ModuleNotFoundError: No module named 『transformers』

那就下一個這個模塊就好了

在anaconda navigator裡邊點進去base右邊綠箭頭下的terminal，輸入pip install transformers就可以了，我一開始在anaconda prompt下conda install transformers，這個就沒成功，還是太小白了

C盤爆滿解決辦法

因為在下載tensorflow時候C盤特別滿，最後顯示no space無法安裝，然後我也不知道C盤哪些可以刪除，於是就使用電腦管家這個軟件，進去後：

點擊左側工具箱

尋找軟件搬家這個工具包

選擇C盤中你想移動的軟件和大文件，選擇要移去的磁盤，我選的是D，最好該磁盤新建一個文件夾「C2Dfile」，這樣就不會和其他的文件搞混了然後這樣就沒有刪除任何文件就可以瘦身你的C盤啦

Python自動生成數據日報

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零一課程\用Python自動生成數據日報！\銷售數據明細.xlsx”,

parse_dates=[‘銷售日期’])

df.head()#數據預覽

df.info()#查看數據屬性

“””

計算指標

計算指標設定，設置本文需要計算的指標，指標計算如下：

收入=銷量*銷售額

單量=銷量匯總

貨品數=貨品數去重

收入環比：本月收入/上月收入-1

單量環比：本月單量/上月單量-1

計算本月相關指標

首先選取本月的數據，本月截止到2021年12月25日的數據，分別計算本月截止12月25日收入、

本月截止12月25日單量、本月截止12月25日貨品數。”””

“””shouru1=(the_month[‘銷量’]*the_month[‘銷售額’]).sum()#本月截止12月25日收入

danliang1=the_month[‘銷量’].sum()#本月截止12月25日單量

huopin1=the_month[‘貨號’].unique()#本月截止12月25日貨品數

list_huopin1=len(huopin1.tolist())

print(“本月截止到12月25日收入為{:.2f}元,單量為{}個,貨品數為{}個”.format(shouru1,danliang1,list_huopin1))”””

“””計算上月相關指標

同時選取上月同期的數據，數據範圍11月1日到11月25日的數據，分別計算上月同期的收入、上月同期的單量、上月同期的貨品數。”””

“””shouru2=(last_month[‘銷量’]*last_month[‘銷售額’]).sum()#本月截止12月25日收入

danliang2=last_month[‘銷量’].sum()#本月截止11月25日單量

huopin2=last_month[‘貨號’].unique()#本月截止11月25日貨品數

list_huopin2=len(huopin2.tolist())

print(“本月截止到11月25日收入為{:.2f}元,單量為{}個,貨品數為{}個”.format(shouru2,danliang2,list_huopin2))”””

“””利用函數進行封裝

以上我們可以發現規律，計算本月的相關指標數據與計算上月同期的指標數據計算邏輯是一樣的，除了數據選取的日期不一樣，我們可以自定義一個函數，用於計算相關的數據指標，簡化數據計算的流程。”””

def get_month_date(df):

shouru=(df[‘銷量’]*df[‘銷售額’]).sum()

danliang=df[‘銷量’].sum()

huopin=df[‘貨號’].nunique()

#list_huopin=len(huopin.tolist())

#return(shouru,danliang,list_huopin)

return(shouru,danliang,huopin)

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

shouru1,danliang1,huopin1=get_month_date(the_month)#計算本月數據指標

print(“本月截止12月25日收入為{:.2f}元，單量為{}個，貨品數為{}個”.format(shouru1,danliang1,huopin1))

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

shouru2,danliang2,huopin2=get_month_date(last_month)#計算本月數據指標

print(“上月截止11月25日收入為{:.2f}元，單量為{}個，貨品數為{}個”.format(shouru2,danliang2,list_huopin2))

“””計算環比 構建一個DataFrame，填入具體的計算指標數值，計算環比數據。”””

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

[danliang1,danliang2],

[huopin1,huopin2]],

columns=[“本月”,”上月”],

index=[‘收入’,’單量’,’貨品數’])

ribao[‘環比’]=ribao[‘本月’]/ribao[‘上月’]-1

ribao[‘環比’]=ribao[‘環比’].apply(lambda x:format(x,’.2%’))#數據小數轉百分數，%2表示保留小數點後2位

ribao

“”可以將具體的數據日報導出到本地。””

ribao.to_excel(r’C:\Users\liangfeng\Desktop\數據日報.xlsx’,index=False)

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

df_group=df.groupby(“銷售月份”).aggregate({‘銷售額’:’sum’,’銷量’:’sum’})

df_group=df.groupby(“銷售月份”).aggregate({“銷售額”:”sum”,”銷量”:”sum”})

df_group

from pyecharts import options as opts

from pyecharts.charts import Bar, Line

from pyecharts.faker import Faker

v1 = df_group[‘銷售額’].round(2).tolist()

v2 = df_group[‘銷量’].tolist()

bar = (Bar()

.add_xaxis(df_group.index.tolist())

.add_yaxis(“銷售額”, v1 ,category_gap=”60%”,gap=”10%”) #設置柱形間隙寬度

.extend_axis(yaxis=opts.AxisOpts(axislabel_opts=opts.LabelOpts(formatter=”{value} 單”), min_=0,max_=1750))#設置次坐標軸坐標大小

.set_series_opts(label_opts=opts.LabelOpts(is_show=True))#顯示數據標籤

.set_global_opts(title_opts=opts.TitleOpts(title=”21年每月銷售額與銷量情況”),

datazoom_opts=opts.DataZoomOpts(),#添加滾動條

yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(formatter=”{value} 元”),min_=0,max_=850000)))#設置主坐標軸坐標大小

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

bar.overlap(line)

bar.render_notebook() ###bar.render(r’C:\Users\尚天強\Desktop\銷售日報.html’)

python3.6程序運行出錯，下面是提示 Traceback (most recent call last):

樓上說的不對，出的錯與單引號無關，是編碼的問題。你的代碼本身沒錯，把你現在的文件刪掉，重新建一個就行。下面和你的一樣，只是換了路徑，測試可行

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()