Python数据分析作业二：Pandas库的使用

---

 

一、前言

  Pandas（Python Data Analysis Library）是基于是基于 NumPy 的数据分析模块，它提供了大量标准数据模型和高效操作大型数据集所需的工具，可以说 Pandas 是使得 Python 能够成为高效且强大的数据分析环境的重要因素之一。

  Pandas 有三个基本对象：Series、DataFrame 和 Index。其中，Series 和 DataFrame 是 Pandas 中最常用的两个对象，分别对应于一维和二维数据的处理（Pandas 还有对三维甚至多维数据处理的 Panel 对象，但不太常用）。而 Index 对象则用于为数据建立索引以方便数据操作。

附：数据集“超市营业额2.xlsx”下载地址：
链接：https://pan.quark.cn/s/04f3970ec85e
提取码：h9Hd

二、题目及答案解析

1、读取“超市营业额2.xlsx”中的数据，存入一个名为df的DataFrame对象中并显示前5行数据

import pandas as pd
df = pd.read_excel('超市营业额2.xlsx')
df.head()

2、查看交易额数据的总体统计情况

df['交易额'].describe()

描述性统计信息describe()方法通常包括总数、平均值、标准差、最小值、25th、50th（中位数）、75th 百分位数和最大值。

3、查看第1、3、5行中第2、4、6列的数据

df.iloc[[0,2,4],[1,3,5]]

使用位置索引.iloc方法从 DataFrame 中选择特定的行和列。[0, 2, 4]是行的索引，表示选择第1、第3和第5行，[1, 3, 5]是列的索引，表示选择第2、第4和第6列。

4、显示李四销售化妆品的情况

df.loc[(df['姓名']=='李四') & (df['柜台']=='化妆品'),:]
# df[(df['姓名'] == '李四') & (df['柜台'] == '化妆品')]

使用loc标签索引，且使用了花式索引，:表示所有列。

5、统计张三的上班次数

df.loc[df['姓名']=='张三','时段'].count()
# df[df['姓名']=='张三']['时段'].count()

使用.loc方法基于条件选择姓名为 ‘张三’ 的所有行，并且仅选择这些行中的 “时段” 列。然后，.count()方法用于计算满足条件的行数，即姓名为 ‘张三’ 的行中非空的 “时段” 列的数量。

38

6、统计上半月的总交易额

df.loc[df['日期'].between('2019-03-01','2019-03-15'),'交易额'].sum()
# df[(df['日期']>='2019-03-01') & (df['日期']<='2019-03-15')]['交易额'].sum()

使用.loc方法基于日期列的值在 ‘2019-03-01’ 和 ‘2019-03-15’ 之间的条件，选择相应的行。然后，它从这些行中的 “交易额” 列中提取数值，并使用.sum()方法计算这些值的总和。

161393.0

7、使用df中的数据分组统计每个人的交易额平均值（保留2位小数），将统计结果放入dff变量中并显示该结果

dff = df.groupby('姓名')['交易额'].mean().round(2)
dff

对 DataFrame 根据 “姓名” 列进行分组，并计算每个姓名对应的 “交易额” 列的平均值。然后，使用.round(2)方法将平均值保留两位小数。最后，将结果存储在新的 Series 对象dff中。dff是一个包含每个姓名对应的平均交易额的 Series，其中索引是姓名，值是平均交易额。

8、对dff中的交易额平均值进行降序排列

dff.sort_values(ascending=False)

9、使用df中的数据按类别统计每个人的交易总额

df.pivot_table(index='姓名', columns='柜台', values='交易额', aggfunc='sum')

使用pivot_table方法创建一个透视表，其中 “姓名” 列作为行索引，“柜台” 列作为列索引，“交易额” 列的值按照指定的聚合函数进行汇总。在这个例子中，使用的聚合函数是'sum'，表示对 “交易额” 进行求和。

10、统计df中缺失值的个数

df.isnull().sum().sum()

使用.isnull()方法检查 DataFrame 中的每个单元格是否为空，并返回一个布尔值的 DataFrame，其中 True 表示相应的单元格为空，False 表示不为空。然后，使用.sum()方法两次对这个布尔值的 DataFrame 进行求和，第一次对每列求和，第二次对每行的结果再求和。

3

11、读取超市营业额2.xlsx中Sheet3中的数据，并与df中的数据合并，然后分类统计每人的交易额如下面所示

df2 = pd.read_excel('超市营业额2.xlsx',sheetname=2)    # sheetname='Sheet3'
df.merge(df2).groupby(['姓名','职级'])['交易额'].sum()

首先使用pd.read_excel函数从 Excel 文件中读取第三个工作表（或称为"Sheet3"）的数据，并将其存储在名为df2的 DataFrame 中。然后，使用merge方法将df和df2 DataFrame 进行合并，根据共同的列进行匹配。默认情况下，merge方法会根据两个 DataFrame 中的共同列进行内连接。最后，使用groupby方法将合并后的 DataFrame 按照 “姓名” 和 “职级” 进行分组，并计算每个组中 “交易额” 列的总和。

结果是一个包含姓名、职级和对应交易额总和的 Series，其中索引是多级索引，包括 “姓名” 和 “职级”，值是交易额的总和。