1、python中要把字符串轉換成日期格式需要使用time模塊中的strptime函數，例子如下：
建甌ssl適用于網站、小程序/APP、API接口等需要進行數據傳輸應用場景，ssl證書未來市場廣闊！成為創(chuàng)新互聯(lián)建站的ssl證書銷售渠道，可以享受市場價格4-6折優(yōu)惠！如果有意向歡迎電話聯(lián)系或者加微信：18982081108（備注：SSL證書合作）期待與您的合作！
執(zhí)行結果如下：
time.struct_time(tm_year=2016, tm_mon=5, tm_mday=9, tm_hour=21, tm_min=9, tm_sec=30, tm_wday=0, tm_yday=130, tm_isdst=-1)
2、函數說明：
第一個參數是要轉換成日期格式的字符串，第二個參數是字符串的格式，下面函數可以看一下。
1、雙擊打開pycharm開發(fā)工具，在已新建的項目中新建python文件，輸入文件名稱。
2、打開已新建的python文件，導入turtle管理包。
3、調用Screen()方法生成屏幕，并使用bgcolor()方法設置背景圖。
4、調用Turtle，并使用shape()方法和color()方法設置圖形和字體顏色。
5、接著調用speed()方法，設置繪制的速度。
6、最后，調用鼠標點擊關閉的方法exitonclick，用于控制關閉窗口的方法。
DataFrame對象：二維表數據結構，由行列數據組成的表格
常用index表示行，columns表示列
'''
語文? 數學? 英語
0? 110? 105? ? 99
1? 105? ? 88? 115
2? 109? 120? 130
'''
# print(df.columns)? # Index(['語文', '數學', '英語'], dtype='object')
# print(df.index)? # Int64Index([0, 1, 2], dtype='int64')
# 遍歷DataFrame數據的每一列
'''
0? ? 110
1? ? 105
2? ? 109
Name: 語文, dtype: int64
0? ? 105
1? ? 88
2? ? 120
Name: 數學, dtype: int64
0? ? 99
1? ? 115
2? ? 130
Name: 英語, dtype: int64
'''
1.創(chuàng)建一個DataFrame對象
pandas.DataFrame(data,index,columns,dtype,copy)
# data表示數據，可以是ndarray數組，series對象、列表、字典等
# index表示行標簽（索引）
# columns表示列標簽（索引）
# dtype每一列數據的數據類型
# copy用于復制數據
# 返回值DataFrame
通過二維數組創(chuàng)建成績表
'''
語文? 數學? 英語
0? 110? 105? ? 99
1? 105? ? 88? 115
2? 109? 120? 130
'''
2.通過字典創(chuàng)建DataFrame對象
value值只能是一維數組或單個的簡單數據類型
# 數組，則要求所有的數組長度一致
# 單個數據，每行都需要添加相同數據
'''
語文? 數學? 英語? ? 班級
0? 110? 105? 109? 高一7班
1? 105? ? 88? 120? 高一7班
2? ? 99? 115? 130? 高一7班
'''
'''
【DataFrame屬性】
values 查看所有元素的值? df.values
dtypes 查看所有元素的類型? df.dtypes
index 查看所有行名、重命名行名? df.index? ? df.index=[1,2,3]
columns 查看所有列名、重命名列名? df.columns? df.columns=['語','數']
T 行列數據轉換? df.T
head 查看前n條數據，默認5條? ? ? ? ? ? ? ? df.head()? df.head(10)
tail 查看后n條數據，默認5條? ? ? ? ? ? ? ? df.tail()? df.tail(10)
shape 查看行數和列數，[0]表示行，[1]表示列? ? df.shape[0]? df.shape[1]
info 查看索引，數據類型和內存信息? ? df.info
【DataFrame函數】
describe 查看每列的統(tǒng)計匯總信息，DataFrame類型? df.describe()
count? ? 返回每一列中的非空值的個數? ? ? ? ? ? ? df.count()
sum? ? ? 返回每一列和和，無法計算返回空值? ? ? df.sum()
max? ? ? 返回每一列的最大值? ? ? ? ? ? ? ? df.max()
min? ? ? 返回每一列的最小值? ? ? ? ? ? ? ? df.min()
argmax? 返回最大值所在的自動索引位置? ? ? ? df.argmax()
argmin? 返回最小值所在的自動索引位置? ? ? ? df.argmin()
idxmax? 返回最大值所在的自定義索引位置? ? ? df.idxmax()
idxmin? 返回最小值所在的自定義索引位置? ? ? df.idxmin()
mean? ? 返回每一列的平均值? ? ? ? ? ? ? ? df.mean()
median? 返回每一列的中位數? ? ? ? ? ? ? ? df.median()
var? ? ? 返回每一列的方差? ? ? ? ? ? ? ? ? df.var()
std? ? ? 返回每一列的標準差? df.std()
isnull? 檢查df中的空值，空值為True，否則為False,返回布爾型數組? df.isnull()
notnull? 檢查df中的空值，非空值為True，否則為False,返回布爾型數組? df.notnull()
中位數又稱中值，是指按順序排列的一組數據中居于中間位置的數
方差用于度量單個隨機變量的離散程序（不連續(xù)程度）
標準差是方差的算術平方根，反映數據集的離散程度
'''
3. 導入.xls或.xlsx文件
# pandas.read_excel(io,sheetname=0,header=0,names=None,index_col=None,usecols=None,squeeze=False,dtype=None,engine=None,converters=None,true_values=None,false_values=None,skiprows=None,nrow=None,na_values=None,keep_defalut_na=True,verbose=False,parse_dates=False,date_parser=None,thousands=None,comment=None,skipfooter=0,conver_float=True,mangle_dupe_cols=True,**kwds)
'''
io 字符串，xls或xlsx文件路徑或類文件對象
sheet_name：None、字符串、整數、字符串列表或整數列表，默認值為0
字符串用于工作表名稱；整數為索引，表示工作表位置
字符串列表或整數列表用于請求多個工作表，為None時則獲取所有的工作表
sheet_name = 0 第一個Sheet頁中的數據作為DataFrame對象
sheet_name = 1 第二個Sheet頁中的數據作為DataFrame對象
sheet_name = 'Sheet1' 名為Sheet1的Sheet頁中的數據作為DataFrame對象
sheet_name = [0,1,'Sheet3'] 第一個，第二個和名為Sheet3的Sheet頁中的數據作為DataFrame對象
header:指定作為列名的行，默認值為0，即取第一行的值為列名?；驍祿话忻瑒t為header=None
names:默認值為None，要使用的列名列表
index_col：指定列為索引列，默認值為None，索引0是DataFrame對象的行標簽
usecols：int、list或字符串，默認值為None
如為None，則解析所有列
如為int，則解析最后一列
如為list列表，則解析列號和列表的列
如為字符串，則表示以逗號分隔的Excel列字母和列范圍列表
squeeze：布爾值，默認為False，如果解析的數據只包含一列，則返回一個Series
dtype:列的數據類型名稱為字典，默認值為None
skiprows:省略指定行數的數據，從第一行開始
skipfooter：省略指定行數的數據，從尾部數的行開始
4.導入指定Sheet頁的數據
# sheet_name=0表示第一個sheet頁的數據，以此類推，如果不指定，則導入第一頁
5.指定行索引導入Excel數據
'''
Empty DataFrame
Columns: []
Index: [1, 3, 5]
'''
# 導入第一列數據
'''
Empty DataFrame
Columns: []
Index: [1, 3, 5]
'''
重慶分公司
重慶分公司
