分类目录归档：实用技能
DRF API GuideRequestsREST framework的Request继承自标准的HttpRequest，增加对REST框架灵活的请求解析和请求认证的支持。
Request parsing/请求解析REST framework的Request提供了灵活的请求解析，允许你以操作form表单数据的方式处理JSON数据或其它mediatypes。
.datarequest.data返回request body的解析内容，这类似于标准的request.POST和request.FILES，
.query_paramsrequest.query_params...
在pandas中使用groupby进行分组操作，当需要对每个分组单独使用agg进行操作的时候，可以使用下面的
df.groupby(['员工姓名','单位部门']).agg({'执行日期':lambda x:(x.max()-x.min())/x.count()})
其中x代表的是分组后的每个组的DataFrame，所以在x上的x.max()就是每个组的DataFrame.max(),这样就可以在某列上做更多复杂的计算。
下面的代码使用一个类似字典表的Series来做另外一个Series的映射。
s = pd.Series(
["six", "seven", "six", "seven", "six"], index=["a", "b", "c", "d", "e"]
)
t = pd.Series({"six": 6.0, "seven": 7.0})
s.m...在Pandas中，df[]、df.loc 和 df.iloc 是用于访问DataFrame数据的三种主要方式。它们之间的区别主要体现在索引方式和功能上：
示例：series_A = df['A']。
df.loc
示例：df.loc[0:1, :] 选取第0行到第1行的所有列数据；df.loc[df['B'] > 4, :]...
在WPS Excel中，快速填充0到单元格的方法有多种，包括使用快捷键、定位空值、拖动填充柄等。
在数据处理中，经常需要将空白单元格填充为0，手动操作既费时又易出错。WPS Excel提供了多种快速填充功能，极大地提升了工作效率。以下是关于WPS Excel如何快速填充0的详细方法：
使用快捷键和定位功能
Ctrl+H替换法：打开WPS表格，选中需要填充的单元格区域，按“Ctrl+H”快捷键调出“查找和替换”窗口，在“替换为”框中输入0，点击“全部替换”，即可将所有选中区域的空白单元格替换为0。 Ctrl+Enter快速填充：按住Ctrl键并单击所有空白单元格以选中它们，然后输入数值0，...
Polars作为一个新兴的高性能DataFrame库，是Pandas的潜在替代品，尤其是在处理大规模数据集时表现出了显著的优势。以下从多个方面详细分析Polars作为Pandas替代品的可能性：
pandas读取两个excel，将两个excel中的不同列进行汇总形成合计数，再对比合计数是否相等，以校验两个excel的数据是否一致。 在对比合计数是否相等时，出现pd.to_excel的时候，导出的excel中的合计数是相等的，但是使用下面方法对比合计数时，却显示“不一致”
summary_df_group['合计'] = summary_df_group[df_columns_staff_of_summary + df_columns_dept_of_summary].sum(axis=1).round(decimals=2)
detail_df_grou...导入包:
In [1]: import numpy as np
In [2]: import pandas as pd
创建序列：
In [3]: s = pd.Series([1, 3, 5, np.nan, 6, 8])
In [4]: s
Out[4]:
0 1.0
1 3.0
2 5.0
3 NaN
4 6.0
5 8.0
dtype: float64
使用date_range()和NumPy创建DataFrame：
In [3]: s = pd.Series([1, 3, 5, np.nan, 6, 8])
In ...信号可以理解为Django内部的一种事件发布-订阅机制。某个事件被触发，则所有订阅和关注该事件的订阅都会接收到通知。
例如，当第三方应用关于Django应用配置发生改变的信号时：
def request_started_signal(sender, **kwargs):
print("Request started")
class CommentConfig(AppConfig):
default_auto_field = 'django.db.models.BigAutoField'
nam...# 正确的
df.fillna(dict.fromkeys(columns_float_list, 0), inplace=True)
# 错误的
df[columns_float_list].fillna(0, inplace=True)
# 正确的
for index, row in df.iterrows():
df.at[index,'备注'] = row[col_A] + row[col_B] )
# 错误的
for index, ro...