数据分析（2）

数据分析（2）

本文介绍pandas的另一种数据类型DataFrame,中文叫数据框

DataFrame

定义：

DataFrame是一个二维的矩阵数据表，通过行和列，可以定位一个值。
在某种程度上，可以认为DataFrame是“具有相同index的series的集合”

定位：

1.行索引（index）,可以用来定位到具体的某一行

2.列索引（columns），用来定位到具体的某一列

通过index和columns，可以定位到一个值，能快速进行数据的筛选和定位

DataFrame构造函数

import pandas as pd

data = {'rank':[1,2,3,4],'GDP':[80855,77388,68024,47251]}
city = ['GD','JS','SD','ZJ']
df = pd.DataFrame(data,index=city)
print(df)

运行结果：

第一个常用参数：data，表示需要传入的数据，可以是字典，列表等。若不传入数据，会生成一个空的DataFrame。

第二个常用参数：index，参数index用于定义DataFrame的行索引（index）,如果不传入可选参数，index就会默认从0开始生成。

import pandas as pd

data = {'rank':[1,2,3,4],'GDP':[80855,77388,68024,47251]}
city = ['GD','JS','SD','ZJ']
df = pd.DataFrame(data,index=city)
print(df.dtypes) #输出df每一列数据的数据类型
print(df.values) #输出df的每一列的数据的值
print(df.index) #输出变量df的行索引

运行结果：

DataFrame的轴

轴(axis)，是用来为超过一维的数组定义属性，二维数组有两个轴，三维数组有三个轴，以此类推。

eg：对于DataFrame而言,第0轴垂直向下，即axis=0是垂直方向进行操作；第1轴水平向右，即asix=1是水平方向进行操作。

如果要按行或者按列来对DataFrame内的数据进行求和，可以使用sum()函数。

那么在sum()函数中，就可以使用axis参数来指定求和的方向。

如下图所示

当axis=0时，是在垂直的方向上进行求和操作；

当axis=1时，是在水平的方向上进行求和操作。

文件读取

在大多数情况下，处理数据和分析数据时，我们的数据来源都是CSV文件和Excel文件
pandas的DataFrame有大量数据处理的方法，所以pandas会将数据读取为DataFrame对象，以便进行后续的数据处理操作。

CSV(Comma-Separated Values)文件以纯文本的形式存储数字、文本等表格数据。它的数据格式如图所示，文件中多个数据之间通常用逗号分隔，每一列的数据都是相同的结构。

读取CSV文件

在pandas模块中，读取CSV文件主要使用pd.read_csv()函数。

import pandas as pd

data = pd.read_csv("path")

参数：
必选参数： 要读取的CSV文件的文件路径

可选参数：1.指定行索引：index_col

2.获取指定列

3.添加colums:header=None和names

4.设置格式参数encoding=“utf-8”,避免读取csv文件乱码

保存CSV文件

保存CSV文件主要使用DataFrame（变量名）.to_csv()

data.to_csv("path")

必选参数：要保存CSV文件的文件路径

可选参数：设置索引参数index = False,这样就不会将行索引信息写入第一列

设置参数encoding=“utf-8-sig”，避免产生csv文件乱码

读取Excel文件

在pandas模块中，读取excel文件主要使用pd.read_excel()函数。

data=pd.read_excel(".xlsx",sheet_name="XXX")

参数：
必选参数：要读取的Excel文件的文件路径

可选参数：当我们需要读取指定工作表时，pd.read_excel()函数提供了一个参数sheet_name = “”,将要读取的工作表名称作为字符串传入该参数即可

江湖可能因为少了谁而失色，却不会因为少了谁后就不再是江湖。 —高手寂寞