您身边的网站建设专家
成功案例

【建站服务】广东省韶关网站建设公司-韶关专业网页设计公司-韶关高端网站制作-韶关品牌网站设计-韶关页面美工-韶关上档次网站建设-韶关定制个性化网站开发-韶关一站式一条龙网站搭建-域名申请

日期： 2022-09-20 18:48:17 浏览数：10


​

上往建站提供服务器空间服务商，百度快照排名，网站托管，百度推广运营,致力于设计外包服务与源代码定制开发，360推广，搜狗推广,增加网站的能见度及访问量提升网络营销的效果,主营：网站公司,百度推广公司电话,官网搭建服务,网站服务企业排名,服务器空间,英文域名等业务，专业团队服务，效果好。


广东省韶关网站建设公司-韶关专业网页设计公司-韶关高端网站制作-韶关品牌网站设计-韶关页面美工-韶关上档次网站建设-韶关定制个性化网站开发-韶关一站式一条龙网站搭建

网站建设.png

江区，俗称西河 [1]  ，隶属广东省韶关市，位于广东省北部，韶关市境内的武江、北江河以西 ，辖区总面积677.85平方千米，辖2个街道、5个镇。根据第七次人口普查数据，截至2020年11月1日零时，武江区常住人口为373686人。 [13] 
京港澳高速公路、韶赣高速公路、广乐高速、武广高铁客运专线、323国道、106国道、253省道等交通道路畅通，形成较为完善的城乡交通骨干网络 [2]  。
2020年，武江区地区生产总值完成269.49亿元，年均增长4.3%。地方一般公共预算收入5.94亿元，年均增长8.35%。累计完成固定资产投资643.52亿元，年均增长8.1%。
武江为韶关之军事重地，是保护韶关的西北部要塞，乃历代兵家必争之地。西河、西联、龙归等地历来是韶关驻军的重要营区。
武江地区春秋时期，为百越地，称“扬越”。战国时期，为楚国属地。
秦始皇三十三年（前214年），统一岭南，设南海郡，郡治在番禺，武江属番禺管辖。赵佗立南越国后，又为南越国属地。
汉武帝元鼎六年（前111年），平南越后，本境设曲江县，属桂阳郡，郡治在郴州，隶于荆州。武帝置十三刺史部（亦称州、时为监察区），桂阳郡曲江县受荆州刺史部监察。西汉末年，桂阳郡改称南平郡。东汉初，复称桂阳郡。
三国东吴甘露元年（265年），析桂阳郡南部设始兴郡，隶荆州。
西晋太康元年（280年）三月，武帝平吴，始兴郡移属广州。曲江县治从莲花山迁往（安聂邑）西河。东晋末（419年），曲江县治迁往官滩（今韶关市南郊）。
南北朝梁承圣（552～555年）中，于始兴郡置东衡州，州治在曲江，州县治所迁西河。
隋开皇九年（589年），改东衡州为韶关州，州县治所回迁莲花山。开皇十一年，撤销韶州，曲江县并入广州。
唐武德初年（618年），曲江县治再迁西河。武德四年，析广州的曲江置番州，不久更名东衡州。贞观（627～633年）中，改东衡州为韶州。
五代时期，后梁乾化元年（911年），刘岩发兵破韶州，州县治所迁往中洲（今韶关市区小岛），本境仍一直是韶州（今韶关）、曲江县的城区部分。五代十国，先属后梁，后属南汉。以韶州辖曲江县，辖区属曲江县。
宋初，仍以岭南东道韶州辖曲江县。未久撤道改称州，曲江县隶属韶州。至道三年（997年），又于州上置路（半行政半监察性质），曲江县属广南东路韶州。
元至元十五年（1278年），曲江县属海北广东道韶州路（此间又在韶州路置录事司，以管理城乡居民；一说至元二十三年置，又称新民官司）。至顺元年（1330），属江西行省广东道韶州路辖。
明洪武元年（1368年），改韶州路为韶州府（同年罢新民官司）。曲江县隶韶州府。
清，曲江县隶广东省南韶连道韶州府。
民国元年（1912年），撤销道、府，曲江县隶属广东省。
民国3年（1914年），复设道，曲江县隶广东省南韶连道（未久改称岭南道）
民国32年（1943年），在曲江县置韶关市，升格为省直辖市。
民国36年（1947年），曲江县改隶第三专署行政督察区，区境分属韶关市和曲江县。
1949年，本境仍为曲江县管辖。
1951年6月，恢复韶关市建制后，归属韶关市管辖，设置韶关市郊区和武江区，武江区管理西河、芙蓉的城区。
1952年11月9日，撤销北江专署，设粤北行政公署，辖曲江等19个县1个市。
1956年3月1日，改置韶关专员公署，辖曲江等17个县1个市。
1959年1月，韶关市郊区办事处、曲江县、仁化县和乳源县合并。
1961年1月17日，撤销韶关市大郊区，恢复韶关市建制。
1971年，韶关市区划分东河、南郊、中区、南区、北区、西河等6个区，武江境内城区设西河区街道革命委员会。
1975年3月，恢复韶关市郊区建制。11月，韶关市城区6个区合并为西河等3个区。
1976年3月，撤销武江区，恢复韶关市郊区，辖环市、芙蓉、北郊等公社（区），管理农村农业工作。
1977年1月，韶关市升格为省直辖市。
1983年6月，韶关地区与韶关市合并为地级市，统称韶关市。
1984年9月，经广东省人民政府批准，撤销原武江区和韶关市郊区（原市政府派出机构）设立武江区，为韶关市辖县级行政区之一。 [4]  [12] 


Pandas CSV 文件

CSV（Comma-Separated Values，逗号分隔值，有时也称为字符分隔值，因为分隔字符也可以不是逗号），其文件以纯文本形式存储表格数据（数字和文本）。

CSV 是一种通用的、相对简单的文件格式，被用户、商业和科学广泛应用。

Pandas 可以很方便的处理 CSV 文件，本文以 nba.csv 为例，你可以下载 nba.csv 或打开 nba.csv 查看。

实例

import pandas as pd

df = pd.read_csv('nba.csv')

print(df.to_string())

to_string() 用于返回 DataFrame 类型的数据，如果不使用该函数，则输出结果为数据的前面 5 行和末尾 5 行，中间部分以 ... 代替。

实例

import pandas as pd

df = pd.read_csv('nba.csv')

print(df)

输出结果为：

              Name            Team  Number Position   Age Height  Weight            College     Salary0    Avery Bradley  Boston Celtics     0.0       PG  25.0    6-2   180.0              Texas  7730337.01      Jae Crowder  Boston Celtics    99.0       SF  25.0    6-6   235.0          Marquette  6796117.02     John Holland  Boston Celtics    30.0       SG  27.0    6-5   205.0  Boston University        NaN3      R.J. Hunter  Boston Celtics    28.0       SG  22.0    6-5   185.0      Georgia State  1148640.04    Jonas Jerebko  Boston Celtics     8.0       PF  29.0   6-10   231.0                NaN  5000000.0..             ...             ...     ...      ...   ...    ...     ...                ...        ...453   Shelvin Mack       Utah Jazz     8.0       PG  26.0    6-3   203.0             Butler  2433333.0454      Raul Neto       Utah Jazz    25.0       PG  24.0    6-1   179.0                NaN   900000.0455   Tibor Pleiss       Utah Jazz    21.0        C  26.0    7-3   256.0                NaN  2900000.0456    Jeff Withey       Utah Jazz    24.0        C  26.0    7-0   231.0             Kansas   947276.0457            NaN             NaN     NaN      NaN   NaN    NaN     NaN                NaN        NaN

我们也可以使用 to_csv() 方法将 DataFrame 存储为 csv 文件：

实例

import pandas as pd
   
# 三个字段 name, site, age
nme = ["Google", "Runoob", "Taobao", "Wiki"]
st = ["www.google.com", "www.runoob.com", "www.taobao.com", "www.wikipedia.org"]
ag = [90, 40, 80, 98]
   
# 字典
dict = {'name': nme, 'site': st, 'age': ag}
     
df = pd.DataFrame(dict)
 
# 保存 dataframe
df.to_csv('site.csv')

执行成功后，我们打开 site.csv 文件，显示结果如下：

数据处理

head()

head( n ) 方法用于读取前面的 n 行，如果不填参数 n ，默认返回 5 行。

实例 - 读取前面 5 行

import pandas as pd

df = pd.read_csv('nba.csv')

print(df.head())

输出结果为：

            Name            Team  Number Position   Age Height  Weight            College     Salary0  Avery Bradley  Boston Celtics     0.0       PG  25.0    6-2   180.0              Texas  7730337.01    Jae Crowder  Boston Celtics    99.0       SF  25.0    6-6   235.0          Marquette  6796117.02   John Holland  Boston Celtics    30.0       SG  27.0    6-5   205.0  Boston University        NaN3    R.J. Hunter  Boston Celtics    28.0       SG  22.0    6-5   185.0      Georgia State  1148640.04  Jonas Jerebko  Boston Celtics     8.0       PF  29.0   6-10   231.0                NaN  5000000.0

实例 - 读取前面 10 行

import pandas as pd

df = pd.read_csv('nba.csv')

print(df.head(10))

输出结果为：

            Name            Team  Number Position   Age Height  Weight            College      Salary0  Avery Bradley  Boston Celtics     0.0       PG  25.0    6-2   180.0              Texas   7730337.01    Jae Crowder  Boston Celtics    99.0       SF  25.0    6-6   235.0          Marquette   6796117.02   John Holland  Boston Celtics    30.0       SG  27.0    6-5   205.0  Boston University         NaN3    R.J. Hunter  Boston Celtics    28.0       SG  22.0    6-5   185.0      Georgia State   1148640.04  Jonas Jerebko  Boston Celtics     8.0       PF  29.0   6-10   231.0                NaN   5000000.05   Amir Johnson  Boston Celtics    90.0       PF  29.0    6-9   240.0                NaN  12000000.06  Jordan Mickey  Boston Celtics    55.0       PF  21.0    6-8   235.0                LSU   1170960.07   Kelly Olynyk  Boston Celtics    41.0        C  25.0    7-0   238.0            Gonzaga   2165160.08   Terry Rozier  Boston Celtics    12.0       PG  22.0    6-2   190.0         Louisville   1824360.09   Marcus Smart  Boston Celtics    36.0       PG  22.0    6-4   220.0     Oklahoma State   3431040.0

tail()

tail( n ) 方法用于读取尾部的 n 行，如果不填参数 n ，默认返回 5 行，空行各个字段的值返回 NaN。

实例 - 读取末尾 5 行

import pandas as pd

df = pd.read_csv('nba.csv')

print(df.tail())

输出结果为：

             Name       Team  Number Position   Age Height  Weight College     Salary453  Shelvin Mack  Utah Jazz     8.0       PG  26.0    6-3   203.0  Butler  2433333.0454     Raul Neto  Utah Jazz    25.0       PG  24.0    6-1   179.0     NaN   900000.0455  Tibor Pleiss  Utah Jazz    21.0        C  26.0    7-3   256.0     NaN  2900000.0456   Jeff Withey  Utah Jazz    24.0        C  26.0    7-0   231.0  Kansas   947276.0457           NaN        NaN     NaN      NaN   NaN    NaN     NaN     NaN        NaN

实例 - 读取末尾 10 行

import pandas as pd

df = pd.read_csv('nba.csv')

print(df.tail(10))

输出结果为：

               Name       Team  Number Position   Age Height  Weight   College      Salary448  Gordon Hayward  Utah Jazz    20.0       SF  26.0    6-8   226.0    Butler  15409570.0449     Rodney Hood  Utah Jazz     5.0       SG  23.0    6-8   206.0      Duke   1348440.0450      Joe Ingles  Utah Jazz     2.0       SF  28.0    6-8   226.0       NaN   2050000.0451   Chris Johnson  Utah Jazz    23.0       SF  26.0    6-6   206.0    Dayton    981348.0452      Trey Lyles  Utah Jazz    41.0       PF  20.0   6-10   234.0  Kentucky   2239800.0453    Shelvin Mack  Utah Jazz     8.0       PG  26.0    6-3   203.0    Butler   2433333.0454       Raul Neto  Utah Jazz    25.0       PG  24.0    6-1   179.0       NaN    900000.0455    Tibor Pleiss  Utah Jazz    21.0        C  26.0    7-3   256.0       NaN   2900000.0456     Jeff Withey  Utah Jazz    24.0        C  26.0    7-0   231.0    Kansas    947276.0457             NaN        NaN     NaN      NaN   NaN    NaN     NaN       NaN         NaN

info()

info() 方法返回表格的一些基本信息：

实例

import pandas as pd

df = pd.read_csv('nba.csv')

print(df.info())

输出结果为：

<class 'pandas.core.frame.DataFrame'>RangeIndex: 458 entries, 0 to 457          # 行数，458 行，第一行编号为 0
Data columns (total 9 columns):            # 列数，9列
 #   Column    Non-Null Count  Dtype       # 各列的数据类型
---  ------    --------------  -----  
 0   Name      457 non-null    object 
 1   Team      457 non-null    object 
 2   Number    457 non-null    float64
 3   Position  457 non-null    object 
 4   Age       457 non-null    float64
 5   Height    457 non-null    object 
 6   Weight    457 non-null    float64
 7   College   373 non-null    object         # non-null，意思为非空的数据    
 8   Salary    446 non-null    float64
dtypes: float64(4), object(5)                 # 类型

non-null 为非空数据，我们可以看到上面的信息中，总共 458 行，College 字段的空值最多。

广东省韶关网站建设公司-韶关专业网页设计公司-韶关高端网站制作-韶关品牌网站设计-韶关页面美工-韶关上档次网站建设-韶关定制个性化网站开发-韶关一站式一条龙网站搭建


上往建站提供搭建网站，域名注册，官网备案服务，网店详情页设计，企业网店，专业网络店铺管理运营全托管公司咨询电话，服务器空间，微信公众号托管，网页美工排版,致力于域名申请，竞价托管，软文推广，全网营销,提供标准级专业技术保障，了却后顾之忧,主营：虚拟主机，网站推广，百度竞价托管，网站建设，上网建站推广服务，网络公司有哪些等业务，专业团队服务，效果好。

服务热线：400-111-6878 手机微信同号:18118153152（各城市商务人员可上门服务）


全国咨询热线:400-111-6878

地址：全国各地都有驻点商务

Copyright © 2021 通陆科技

网站建设：上往建站