大家好，我是皮皮。

一、前言

前几天在Python最强王者交流群分享了一个只用3行Python代码，获取星期几的问题，这里拿出来给大家分享下，一起学习下。

看到这个代码，我当时的第一反应是，这个人基础学的还是可以的，input用到位了。对于初学者来说，能写成这样，也是不错的了，起码功能确实是实现了，虽然说起来确实有点说不上来的味道，应缺斯汀。

二、解决过程

有一说一，针对这个星期几的问题，群里的小伙伴们也给出了几个方法，一起来看看吧。

【冯诚】解答

这里给出【冯诚】大佬的写法，如下图所示：

【月神】解答

下面这个代码是【月神】提供的，如下所示：

from datetime import datetime

print(f"星期{list('一二三四五六日')[datetime.today().weekday()]}")

【瑜亮老师】解答

下面这个代码是【瑜亮老师】提供的，如下所示：

week_dict = {1: '星期一', 2: '星期二', 3: '星期三', 4: '星期四', 5: '星期五', 6: '星期六', 7: '星期日'}
k = int(input("请输入星期数字(1-7)："))     # 此处省略 try 检测 int 转换
print(week_dict.get(k, "输入错误"))

使用字典的get方法，设置了默认值，用于提示输入的数字不在1-7范围。

如果把字典里面的key都改成字符串型的，连int都省了。代码如下：

week_dict = {'1': '星期一', '2': '星期二', '3': '星期三', '4': '星期四', '5': '星期五', '6': '星期六', '7': '星期日'}
k = input("请输入星期数字(1-7)：") 
print(week_dict.get(k, "输入错误"))

完美配合！

三、总结

大家好，我是皮皮。这篇文章主要分享了只用3行Python代码，获取星期几的问题，文章中给出了具体的解析和代码演示，帮助粉丝顺利解决了问题。

最后感谢【瑜亮老师】、【月神】、【冯诚】给出的具体解析和代码演示，感谢【Jun】、【磐奚鸟】、【黑脸怪】、【皮皮】、【dcpeng】等人参与学习交流。

小伙伴们，快快用实践一下吧！如果在学习过程中，有遇到任何问题，欢迎加我好友，我拉你进Python学习交流群共同探讨学习。

大家好，我是皮皮。

一、前言

前几天在Python星耀交流群有个叫【在下不才】的粉丝问了一个Pandas的问题，按照A列进行分组并计算出B列每个分组的平均值，然后对B列内的每个元素减去分组平均值，这里拿出来给大家分享下，一起学习。

二、解决过程

这个看上去倒是不太难，但是实现的时候，总是一看就会，一用就废。这里给出【瑜亮老师】的三个解法，一起来看看吧！

方法一：使用自定义函数

代码如下：

import pandas as pd

lv = [1, 2, 2, 3, 3, 4, 2, 3, 3, 3, 3]
num = [122, 111, 222, 444, 555, 555, 333, 666, 666, 777, 888]
df = pd.DataFrame({'lv': lv, 'num': num})

def demean(arr):
    return arr - arr.mean()
# 按照"lv"列进行分组并计算出"num"列每个分组的平均值，然后"num"列内的每个元素减去分组平均值
df["juncha"] = df.groupby("lv")["num"].transform(demean)
print(df

# transform 也支持 lambda 函数，效果是一样的，更简洁一些
# df["juncha"] = df.groupby("lv")["num"].transform(lambda x: x - x.mean())
# print(df)

方法二：使用内置函数

代码如下：

import pandas as pd

lv = [1, 2, 2, 3, 3, 4, 2, 3, 3, 3, 3]
num = [122, 111, 222, 444, 555, 555, 333, 666, 666, 777, 888]
df = pd.DataFrame({'lv': lv, 'num': num})


gp_mean = df.groupby('lv')["num"].mean().rename("gp_mean").reset_index()
df2 = df.merge(gp_mean)
df2["juncha"] = df2["num"] - df2["gp_mean"]
print(df2)

方法三：使用 transform

transform能返回完整数据，输出的形状和输入一致（输入是num列，输出也是一列），代码如下：

import pandas as pd

lv = [1, 2, 2, 3, 3, 4, 2, 3, 3, 3, 3]
num = [122, 111, 222, 444, 555, 555, 333, 666, 666, 777, 888]
df = pd.DataFrame({'lv': lv, 'num': num})


# 方法三： 使用 transform。
df["gp_mean"] = df.groupby('lv')["num"].transform('mean')
df["juncha"] = df["num"] - df["gp_mean"]
print(df)
# 直接输出结果，省略分组平均值列
df["juncha"] = df["num"] - df.groupby('lv')["num"].transform('mean')
print(df)

这样问题就完美地解决啦！

后面他还想用类的方式写，不过看上去没有那么简单。

三、总结

大家好，我是皮皮。这篇文章主要分享了Pandas处理相关知识，基于粉丝提出的按照A列进行分组并计算出B列每个分组的平均值，然后对B列内的每个元素减去分组平均值的问题，给出了3个行之有效的方法，帮助粉丝顺利解决了问题。

最后感谢粉丝【在下不才】提问，感谢【德善堂小儿推拿-瑜亮老师】给出的具体解析和代码演示，感谢【月神】提供的思路，感谢【dcpeng】等人参与学习交流。

小伙伴们，快快用实践一下吧！如果在学习过程中，有遇到任何问题，欢迎加我好友，我拉你进Python学习交流群共同探讨学习。

大家好，我是皮皮。

一、前言

前几天在Python最强王者交流群有个叫【Chloe】的粉丝问了一个类变量和实例变量的问题，这里拿出来给大家分享下，一起学习下。

二、解决过程

在Python Tutorial中对于类变量和实例变量是这样描述的：

Generally speaking, instance variables are for data unique to each instance and class variables are for attributes and methods shared by all instances of the class.

通常来说，实例变量是对于每个实例都独有的数据，而类变量是该类所有实例共享的属性和方法。

针对下方的代码：

class Calculate:
    A = 20
    B = 20
    def __init__(self,a,b):
        A = a
        B = b
        print(self.A+self.B/2+1)

Calculate(4,10)

这个代码输出的结果是31.0，因为self是指向类本身，所以在init外定义A，B可以用self.A，self.B调用，但在init内设置的A，B只是局部变量。

有了以上的基础打底之后，接下来给这个代码做几个变形，就更加清晰了。

class Calculate:
    A = 20
    B = 20
    def __init__(self,a,b):
        self.A = a
        self.B = b
        print(self.A+self.B/2+1)

Calculate(4,10)

像上方的这个代码输出的结果就是10.0。

下面给出【dcpeng】大佬给出的几个图解：

这么看应该清晰了

再次变形：

最后再给大家分享下self这个参数，参考下图：

三、总结

大家好，我是皮皮。这篇文章主要分享了Python面向对象中的类变量，实例变量的问题，给出了具体的解析和代码演示，帮助粉丝顺利解决了问题。

最后感谢粉丝【Chloe】提问，感谢【孤独】、【dcpeng】、【月神】给出的具体解析和代码演示，感谢【艾希·觉罗】等人参与学习交流。

大家好，我是我是皮皮。

一、前言

前几天在Python最强王者交流群有个叫【Rr】的粉丝问了一个关于Python网络爬虫问题，这里拿出来给大家分享下，一起学习。

乍一看，这个是乱码，后来一想，这个也许不是真实的url，大概率是找错了。因为原网页是下图这样的，人畜无害。

二、解决过程

一开始以为是预览的问题，有时候在浏览器中预览状态确实会有乱码，看得并不完整，于是乎先让其看看response一栏。

事实上，response一栏显示的也是一样的，和预览一模一样，这就很尴尬了。

不过不慌，想到这里，大概率可以确定是url没有找对，得重新去寻找，让粉丝发来url，之后真相大白。这里【德善堂小儿推拿-瑜亮老师】大佬发来贺电，如下图所示：

看来真不能光凭着xhr找，之后根据线索就得到对应的url了。

真实的url在下图：

后来【Rr】顺利解析了自己想要的字段。

看上去虽然有乱码，但是转码之后就一切正常了，完美解决！

三、总结

大家好，我是皮皮。这篇文章基于粉丝提问，针对Python网络爬虫中的url寻找的问题，给出了具体说明和演示，顺利地帮助粉丝解决了问题。下次遇到类似的问题，看来真不能光凭着xhr找，有时候真实的url就藏在其他地方。

最后感谢粉丝【Rr】提问，感谢【德善堂小儿推拿-瑜亮老师】、【dcpeng】、【果冻】、【蓬山已无青鸟】大佬给予的支持和积极参与学习。

小伙伴们，快快用实践一下吧！如果在学习过程中，有遇到任何问题，欢迎加我好友，我拉你进Python学习交流群共同探讨学习。

大家好，我是皮皮。

一、前言

前几天在Python最强王者群有个叫【老松鼠】的粉丝问了一个关于Pandas中csv文件读取的方法所带参数usecols知识问题，这里拿出来给大家分享下，一起学习。

其实usecols参数是指定列读取。

二、解决过程

下面是【德善堂小儿推拿-瑜亮老师】大佬解答：

举个栗子，就像你手中只有常见的人民币面值，让你把面值等于5元，10元，10000元的拿出来。你是不是只能拿出来5元的和10元的。读取，那不是有啥就拿出来啥，手中没有，当然就不用给了。

后来【月神】给补充了一些知识，不知道你有没有注意到usecols这个参数其实是有返回值的？大部分小伙伴是没有注意到的。

usecols是先从读取到的数据判断出当前的列名并作为返回值，类似于列表，使用函数调用时，例如lambda x：各个元素都会被使用到，类似于map(lambda x: x, iterable)， iterable就是usecols的返回值，lambda x与此处一致，再将结果传入至read_csv中，返回指定列的数据框。

对应这个例子中就是lambda c: c in iterable，其实不管iterable是列表还是集合，两者中包含的元素是一样的，那取出来的列都是一样的；而这里面的 c 就是usecols的返回值，可以尝试打印出这个c，就是你要读取的csv文件的所有列的列名

后面有拓展一些关于列表推导式的内容，可以学习下。

还有一个更秀的。

compress()函数帮助列表能够实现布尔索引的函数。

不过话说回来，我一般都是直接全部导入的，一把梭哈。

三、总结

大家好，我是皮皮。这篇文章基于粉丝提问，针对Pandas中csv文件读取的方法所带参数usecols知识，给出了具体说明和演示，顺利地帮助粉丝解决了问题！当然了，在实际工作中，大部分情况还是直接全部导入的。

此外，read_csv有几个比较好的参数，会用的多，一个限制内存，一个分块，这个网上有一大堆的讲解，这里就没有涉猎了。

最后感谢粉丝【老松鼠】提问，感谢【德善堂小儿推拿-瑜亮老师】、【（这是月亮的背面）】和【dcpeng】大佬给出的示例和代码支持，感谢粉丝【Zhang Zhiyu】、【冫马讠成】等人参与学习交流。

小伙伴们，快快用实践一下吧！如果在学习过程中，有遇到任何问题，欢迎加我好友，我拉你进Python学习交流群共同探讨学习。

大家好，我是皮皮。

一、前言

前几天在Python钻石群有个叫【盼头】的粉丝问了一个关于Python列表处理的问题，这里拿出来给大家分享下，一起学习。

有一个列表，希望字符串中出现这个列表中任何一个元素的话就输出 去掉该元素后的字符串。下图是他自己写的部分核心代码。

二、解决过程

他自己想到了一个方法，遍历下列表，之后挨个进行替换，方法肯定是可行的，只是觉得应该有更加好的方法。【月神】从他的代码中看出来了，他这里有两层，一是判断有没有，二是有才输出去除后的，没有不输出也不去除。

这里【dcpeng】提出了也可以用正则，re.sub()方法来操作，正则可以。

这里需要注意下any()函数，命中列表中的任一项都会返回True。

不得不说这个any()函数恰到好处。

三、总结

大家好，我是皮皮。这篇文章基于粉丝提问，针对有一个列表，希望字符串中出现这个列表中任何一个元素的话就输出，去掉该元素后的字符串问题，给出了具体说明和演示，顺利地帮助粉丝解决了问题！

最后感谢粉丝【盼头】提问，感谢【dcpeng】、【月神】大佬给出的思路支持，感谢粉丝【PI】、【德善堂小儿推拿-瑜亮老师】、【进阶学习者】等人积极参与学习交流。

小伙伴们，快快用实践一下吧！如果在学习过程中，有遇到任何问题，欢迎加我好友，我拉你进Python学习交流群共同探讨学习。

大家好，我是皮皮。

一、前言

前几天在Python最强王者群有个叫【Chloe】的粉丝问了一个关于Pandas中的drop函数的问题，这里拿出来给大家分享下，一起学习。

二、解决过程

下图是粉丝写的代码。

index是索引的意思，我感觉这块写在一起了，看上去不太好理解，在里边还多了一层筛选。这里给出【月神】佬的解答，一起来看看吧！

直接上图了，如下图所示：

下图是官网关于该函数的解析。

之前我一直用的是columns，确实好像很少看到index，这下清晰了。不过【月神】还是推荐使用反向索引。

三、总结

大家好，我是皮皮。这篇文章基于粉丝提问，针对Pandas中数据删除的问题，给出了具体说明和演示，顺利地帮助粉丝解决了问题！

最后感谢粉丝【Chloe】提问，感谢【（这是月亮的背面）】和【dcpeng】大佬给出的示例和代码支持。

小伙伴们，快快用实践一下吧！如果在学习过程中，有遇到任何问题，欢迎加我好友，我拉你进Python学习交流群共同探讨学习。

大家好，我是皮皮。

一、前言

前几天在Python铂金群有个叫【水方人子】的粉丝问了一个关于excel处理的问题，这里拿出来给大家分享下，一起学习。

能不能把多张excel表做连接，就比如1表有A，B，C列，2表有A，B，D列，我想把A，B，C，D合到一张表上面，可以吗，就跟数据库左连接一样？

二、解决过程

一开始想到的方法是Excel中的vlookup函数，确实是可以做。

不过在Python群里边，还是尽量用Python来操作一发，这里【Lee】大佬给了几个代码。

代码这里贴出来了，如下所示：

import pandas as pd 

#用append
df = pd.read_excel(r"C:\Users\Administrator\Downloads\test.xlsx", sheet_name=['Sales','Return','Purchase'])
sales = df.get('Sales')
ret = df.get('Return')
purchase = df .get('Purchase')
result = sales.append([ret,purchase], sort=False)
result

之后用merge来操作，代码如下。

左连接的代码如下：

xc = pd.merge(sales,ret, how='left')
xc

右链接的代码如下：

pd.merge(xc,purchase, how='right')

之后用concat连接，代码如下：

# 用concat连接
df_contact = pd.concat(pd.read_excel(r"C:\Users\Administrator\Downloads\test.xlsx", sheet_name=None), ignore_index=True)
df_contact

三、总结

大家好，我是皮皮。这篇文章基于粉丝提问，针对多张excel表做连接，就比如1表有A，B，C列，2表有A，B，D列，我想把A，B，C，D合到一张表的问题，给出了具体说明和演示，顺利地帮助粉丝解决了问题！

最后感谢粉丝【水方人子】提问，感谢【Lee】大佬给出的示例和代码支持，感谢粉丝【月神】、【铭记yu心】、【杨羊】、【dcpeng】、【LEE】、【冫马讠成】等人参与学习交流。