Python数据分析pandas入门！(附数据分析资料)

2019-03-06 本文已影响75人妄心xyx

1、pandas数据结构之DataFrame+

这是小编准备的python数据分析资料！进群：700341555即可获取！

Python数据分析pandas入门！(附数据分析资料)

DataFrame生成方式：1、从另一个DataFrame创建。2、从具有二维形状的NumPy数组或数组的复合结构生成。3、使用Series创建。4、从CSV之类文件生成。下面介绍DataFrame的简单用法：

a)：读取文件

代码：

运行结果（只截取部分）：

b)：得到形状数据

代码：

结果：

c)：得到列标题及类型数据

代码：

结果（截取部分）

d)：索引

代码：

结果：

e)：values，非数值数据标位nan

代码：

结果

2、pandas数据结构之Series

pandas的Series数据结构是由不同类型的元素组成的一维数组，该数据结构也具有标签，创建方式有：由Python字典创建；由numpy数组创建；由单个标量值创建。

a)：类型。当选中DataFrame的一列时，得到的是一个Series型的数据。

代码：

结果：

b)：属性。pandas的Series数据结构不仅共享了DataFrame的一些属性，还提供与名称相关的一个属性。

代码：

结果：

<pre style="-webkit-tap-highlight-color: transparent; box-sizing: border-box; font-family: Consolas, Menlo, Courier, monospace; font-size: 16px; white-space: pre-wrap; position: relative; line-height: 1.5; color: rgb(153, 153, 153); margin: 1em 0px; padding: 12px 10px; background: rgb(244, 245, 246); border: 1px solid rgb(232, 232, 232); font-style: normal; font-variant-ligatures: normal; font-variant-caps: normal; font-weight: 400; letter-spacing: normal; orphans: 2; text-align: start; text-indent: 0px; text-transform: none; widows: 2; word-spacing: 0px; -webkit-text-stroke-width: 0px; text-decoration-style: initial; text-decoration-color: initial;">
Series Shape: (202L,)
Series index: RangeIndex(start=0, stop=202, step=1)
Series values: ['Afghanistan' 'Albania' 'Algeria' 'Andorra' 'Angola' 'Antigua and Barbuda'
'Argentina' 'Armenia' 'Australia' 'Austria' 'Azerbaijan' 'Bahamas'
'Bahrain' 'Bangladesh' 'Barbados' 'Belarus' 'Belgium' 'Belize' 'Benin'
'Bermuda' 'Bhutan' 'Bolivia' 'Bosnia and Herzegovina' 'Botswana' 'Brazil'
'Brunei Darussalam' 'Bulgaria' 'Burkina Faso' 'Burundi' 'Cambodia'
'Cameroon' 'Canada' 'Cape Verde' 'Central African Republic' 'Chad' 'Chile'
'China' 'Colombia' 'Comoros' 'Congo, Dem. Rep.' 'Congo, Rep.'
'Cook Islands' 'Costa Rica' "Cote d'Ivoire" 'Croatia' 'Cuba' 'Cyprus'
'Czech Republic' 'Denmark' 'Djibouti' 'Dominica' 'Dominican Republic'
'Ecuador' 'Egypt' 'El Salvador' 'Equatorial Guinea' 'Eritrea' 'Estonia'
'Ethiopia' 'Fiji' 'Finland' 'France' 'French Polynesia' 'Gabon' 'Gambia'
'Georgia' 'Germany' 'Ghana' 'Greece' 'Grenada' 'Guatemala' 'Guinea'
'Guinea-Bissau' 'Guyana' 'Haiti' 'Honduras' 'Hong Kong, China' 'Hungary'
'Iceland' 'India' 'Indonesia' 'Iran (Islamic Republic of)' 'Iraq'
'Ireland' 'Israel' 'Italy' 'Jamaica' 'Japan' 'Jordan' 'Kazakhstan' 'Kenya'
'Kiribati' 'Korea, Dem. Rep.' 'Korea, Rep.' 'Kuwait' 'Kyrgyzstan'
"Lao People's Democratic Republic" 'Latvia' 'Lebanon' 'Lesotho' 'Liberia'
'Libyan Arab Jamahiriya' 'Lithuania' 'Luxembourg' 'Macao, China'
'Macedonia' 'Madagascar' 'Malawi' 'Malaysia' 'Maldives' 'Mali' 'Malta'
'Marshall Islands' 'Mauritania' 'Mauritius' 'Mexico'
'Micronesia (Federated States of)' 'Moldova' 'Monaco' 'Mongolia'
'Montenegro' 'Morocco' 'Mozambique' 'Myanmar' 'Namibia' 'Nauru' 'Nepal'
'Netherlands' 'Netherlands Antilles' 'New Caledonia' 'New Zealand'
'Nicaragua' 'Niger' 'Nigeria' 'Niue' 'Norway' 'Oman' 'Pakistan' 'Palau'
'Panama' 'Papua New Guinea' 'Paraguay' 'Peru' 'Philippines' 'Poland'
'Portugal' 'Puerto Rico' 'Qatar' 'Romania' 'Russia' 'Rwanda'
'Saint Kitts and Nevis' 'Saint Lucia' 'Saint Vincent and the Grenadines'
'Samoa' 'San Marino' 'Sao Tome and Principe' 'Saudi Arabia' 'Senegal'
'Serbia' 'Seychelles' 'Sierra Leone' 'Singapore' 'Slovakia' 'Slovenia'
'Solomon Islands' 'Somalia' 'South Africa' 'Spain' 'Sri Lanka' 'Sudan'
'Suriname' 'Swaziland' 'Sweden' 'Switzerland' 'Syria' 'Taiwan'
'Tajikistan' 'Tanzania' 'Thailand' 'Timor-Leste' 'Togo' 'Tonga'
'Trinidad and Tobago' 'Tunisia' 'Turkey' 'Turkmenistan' 'Tuvalu' 'Uganda'
'Ukraine' 'United Arab Emirates' 'United Kingdom'
'United States of America' 'Uruguay' 'Uzbekistan' 'Vanuatu' 'Venezuela'
'Vietnam' 'West Bank and Gaza' 'Yemen' 'Zambia' 'Zimbabwe']
Series name: Country
</pre>

c)：切片。

代码：

结果：

3、利用Pandas查询数据

a)：head()和tail()函数：

代码：

运行结果：

b)：loc函数

代码：

运行结果：

4、利用Pandas的DataFrame进行统计计算

pandas的DataFrame数据结构为我们提供了若干统计函数，下面给出部分方法及其简要说明。

方法说明describe这个方法返回描述性统计信息count返回非NAN数据项的数量mad计算平均绝对偏差，级类似于标准差的一个有力统计工具median返回中位数，等价于第50百分位数的值min返回最小值max返回最大值mode返回众数（mod），即一组数据中出现次数最多的变量值std返回表示离散度的标准差，即方差的平方根var返回方差skew返回偏差系数（skewness）,该系数表示的是数据分布的对称程度kurt这个方法将返回峰太系数，反映数据分布曲线顶端尖峭或扁平程度代码：

运行结果：

5、利用pandas的DataFrame实现数据聚合

a)：为numpy的随机数生成器指定种子，以确保重复运行程序时生成的数据不会走样。该数据有4列：

1、Weather(一个字符串)；

2、Food(一个字符串)；

3、Price(一个随机浮点数)；

4、Number(1~9之间的一个随机整数)。

代码：

random.rand(n),生成n个0到1间随机数

random.random_integers(low,high=None,size=None) 生成闭区间[low,high]上离散均匀分布的整数值;若high=None，则取值区间变为[1,low]

df=pd.DataFrame({'Weather':['cold','hot','cold','hot','cold','hot','cold'],'Food':['soup','soup','icecream','chocolate','icecream','icecream','soup'],
'Price':10*rand(7),'Number':randint(1,9,size=(7,))})
print df
</pre>

运行结果：

b)：通过Weather列为数据分组，然后遍历各组数据

代码：

运行结果：

c)：变量Weather_group是一种特殊的pandas对象，可由groupby()生成。这个对象为我们提供了聚合函数，下面展示它的用法：

代码：

运行结果：

d)：恰如利用数据库的查询操作那样，也可以针对多列进行分组。

然后就可以用groups属性来了解所生成的数据组，以及每一组包含的行数：

代码：

运行结果：

e)：通过agg方法，可以对数据组施加一系列的numpy函数：

代码：

运行结果：

6、DataFrame的串联与附加操作

a)：数据库中的数据表有内部连接与外部连接两种连接类型。pandas的DataFrame也有类似操作，也可以对数据进行串联和附加。

函数concat()的作用是串联DataFrame，如可以把一个由3行数据组成的DataFrame与其他行数据行串接，以便重建原DataFrame：

代码：

运行结果：

b)：为了追加数据行，可以使用append函数：

代码：

运行结果：

7、连接DataFrames

a)、新建两个CSV文件：dest.csv和tips.csv

代码：

运行结果：

b)：pandas提供的merge函数或DataFrame的join函数实例方法都能实现类似数据库的连接操作数功能。

pandas支持所有的这些连接类型，这里仅介绍内部连接与完全外部连接。

用merge函数按照员工编号进行连接处理，代码如下：

运行结果：

使用join方法执行连接操作，需要使用后缀来指示左操作对象和右操作对象：

运行结果：

用merge()执行内部连接和外部连接时，更显示的方法如下所示：

代码：

运行结果：

8、处理缺失数据

a)：读取数据。

代码：

print df.head()

df=df[['Country',df.columns[6]]][:2] #将原df的Country列和第6列组成新DataFrame，并取前两行
print "New df:
",df
</pre>

运行结果:

b)：pandas会把缺失的数值标记为NaN，表示None。pandas的isnull()函数可以帮我们检查缺失的数据。

代码：

运行结果：

9、处理日期数据

a)：设定从1900年1月1日开始为期42天的时间范围。

代码：

运行结果：

b)：在pandas中，日期区间是有限制的。pandas的时间戳基于numpy datetime64类型，以纳秒为单位，并且用一个64位整数来表示具体数值。因此，日期有效的时间戳介于1677年至2262年。当然，这些年份也不是所有日期都是有效的。这个时间范围的精确中点是1970年1月1日。这样，1677年1月1日就无法用pandas时间戳定义，而1677年9月30日就可以，下面用代码说明：

代码：

运行结果:

b）：使用pandas的Dateoffset函数计算允许的日期范围：

代码：

运行结果：

c):pandas可以把一串字符串转化成日期数据：

代码：

运行结果：

d)：如果一个字符串明显不是日期，无法转化。可以使用参数coerce设置为True强制转化：

代码：

运行结果：

10、数据透析表

a）：数据透析表可以从一个平面文件中指定的行和列中聚合数据，这种聚合操作可以是求和、求平均值，求标准差等运算。

seed(42)
N=7
df=pd.DataFrame({'Weather':['cold','hot','cold','hot','cold','hot','cold'],'Food':['soup','soup','icecream','chocolate','icecream','icecream','soup'],
'Price':10*rand(7),'Number':randint(1,9,size=(7,))})
print "DataFrame:
",df
print pd.pivot_table(df,index='Food',aggfunc=np.sum) #计算各类型Food的统计值
</pre>

运行结果：

Python数据分析pandas入门！(附数据分析资料)

random.rand(n),生成n个0到1间随机数

random.random_integers(low,high=None,size=None) 生成闭区间[low,high]上离散均匀分布的整数值;若high=None，则取值区间变为[1,low]

print df.head()

猜你喜欢

热点阅读