pandas导入文件

---

import numpy as np
import pandas as pd

 # 导入csv
cvs = pd.read_csv('C:/Users/1duanrev/Desktop/CGS.csv') 

#导入excel
excel = pd.read_excel('C:/Users/1duanrev/Desktop/CGS.xlsx') 

# 导入数据库的数据
import pymsql 
conn = pymsql.connect(host = '127.0.0.1',user = 'root',passwd = 'root',db = 'choose_one_db')
command = 'select * from table'  # 这里是查询语句,查询到需要读取的数据
pd.read_sql(command,conn) # 第一个信息是查询语句,的二个参数是连接信息

# 导入文本数据
pd.read_table('地址') 

# 从网页导入
pd.read_html('https://mosaic.app.corp/maximo/ui/login')

matplot基础

折线图散点图使用plot模块来作图

# coding=utf-8
from matplotlib import pylab as pyl  # 这个模块用来做折线图和散点图 
import numpy as np

x = [1,2,3,4,8]
y = [5,6,9,0,4]

绘制折线图

pyl.plot(x,y,'-.')  # 格式为第一个参数为x轴数据,第二个数据为y轴数据,第三个为展现形式(可选)
pyl.show()  # 使用这个方法来展现

绘制散点图

pyl.plot(x,y,'ob') #  更改颜色,如果只单纯需要散点图那么使用o就可以了

pyl.show()        

样式

点的颜色

更改为o 那么做散点图

选项	意义
c	cyan -青色
r	red 红色
m	magente 品红
g	green 绿色
b	blue 蓝色

线条的样式

选项	意义
-	普通的直线
--	虚线
-.	一杠一点
:	细小的虚线

点的样式

选项	意义
s	方形
h	六角形
H	六角形
*	星形
+	加号的形式
x	x形
d	菱形
D	菱形
p	五角形状

pyl.plot(x,y,'D')
pyl.show()

加头信息

pyl.plot(x,y)
pyl.title('name')
pyl.xlabel('x')
pyl.ylabel('y')
pyl.show()

定义xy轴的长度

pyl.plot(x,y)
pyl.xlim(0,10)   # 使用x/ylim 可以调整轴的长度
pyl.ylim(0,10)

(0, 10)

在同一个图中绘制多个线段

在show之前再次绘制一个

x2 = [1,2,3,4,5,6,7]
y2 = [3,4,5,6,7,8,9]
pyl.plot(x2,y2)
pyl.show()

生成随机数

第一个参数是最小值,第二个是最大值,第三个是生成随机数的个数

np.random.randint(1,500,20) 

array([439, 219, 187, 231, 155,  36,  41, 116, 442, 373, 116, 254, 209,
        76,  44, 363, 313, 354, 404, 456])

生成正态分布的随机数--narmal

np.random.normal(10,2,15)   # 第一个参数是均数,第二个是西格玛,第三个是生成的个数

array([  7.2860237 ,   8.65732797,  12.24472963,   9.00486588,
        10.99145481,   9.859746  ,  13.33998504,  12.19089696,
        10.89612418,   9.71554757,   9.16174088,  13.33029009,
         9.93154049,   9.28937353,  13.01560685])

直方图 hist

data = np.random.normal(60,1.0,1000)  # 这是正态分布图
pyl.hist(data)
pyl.show()

data1 = np.random.randint(1,50,100)  # 这是随机数
pyl.hist(data1)   # 可以在hist中设置长宽高
pyl.plot(data1,'Y')
pyl.show()

sty = np.arange(0,50,2)
pyl.hist(data1,sty)    # 取消轮廓histtype='stepfilled'
pyl.show()

---

from matplotlib import pylab as plt

x1 = [1,2,3,4,5,6]
y1 = [10,8,7,6,5,8]
y2 = [5,7,4,6,9,2]

'''
第一个是指第几行,第二个是指这一行有几列,第三个是指这一列的第几个数据!
plt.subplot(3,2,1) 这里是指图的第三行,有两列,在地一列作图

'''
plt.subplot(2,2,1) #行,列,当前区域  
plt.plot(x1,y1)
plt.subplot(2,2,2) #行,列,当前区域
plt.plot(x1,y2)
plt.subplot(2,1,2) #行,列,当前区域
plt.plot(x1,y2)
plt.show()

数据清洗的一些想法

数据清洗步骤:

• 发现数据
  • 通过describe 和len 来发现数据
  • 或者通过散点图或者折线图发现
• 异常值
  • 可以视为缺失值
  • 或者删除
  • 修补(平均数,中位数等等)
• 缺失值
  • 删除,当数据比较少的时候不建议这样处理,这样会导致数据的丢失
  • 插补,给出比较正常的数据,(均值,中位插补,众数插补,固定插补,最近数据插补,回归插补,拉格朗日插补,牛顿插补,分段插补等)
  • 不处理