kkaaa

#修改标题
df.index = ['a', 'b', 'c', 'd','e']   #修改索引名(标题列)
df.columns = ['1','2','3','4']   #修改列名名（标题行）
# df = df.rename(index={'date': '日期'}) # 为某个index或者columns单独修改名称
print(df)

#描述性统计
data = pd.DataFrame(df)
print(data['a'].describe())

#情感分析
def label_sentiment(score):       #循环计算每一条数据
    if score >= 0.6:
        return "正向"
    elif score > 0.4:
        return "中性"
    else:
        return "负向"

if __name__ == '__main__':

    df = pd.read_csv(r"C:\Users\lenovo\Desktop\ZZ2-大\ZZ0赛项 \手机\model_comment.csv",encoding='gbk')
    print(df)
    c=[]
    for txt in df.comments:
        tt = SnowNLP(txt)
        print(tt.sentiments)   #数据（数字）
        a=label_sentiment(tt.sentiments)
        c=c+[a]   #转起来
    b=pd.DataFrame(c)   #表格形式
    print(b)
    # b.to_csv(r'C:\Users\lenovo\Desktop\aaa.csv',index=False,encoding='UTF-8')

           #把计算好的数据导出在导入所需表格达成要求

#排序
# 统计品牌数量
a = data['名称'].value_counts()
# 按照品牌数量进行倒序排序
b = a.sort_values(ascending=False)    #没有ascending=False  就是倒叙
# 获取前10名品牌
top_10_brands = b.head(10)
# 打印结果
pd.set_option('display.max_rows', None)
print(top_10_brands)

#将某一字段删除
df.replace({'小明':None,'小米':None}, inplace=True)   #None是空值

#添加某一列数据
df1['c'] = df2['b']   #需要新建一个表头（不用写内容）把数据替进来达成追加的效果   （这个方法更简单）
                            #需要注意表头

#添加某一行数据
b = df1.iloc[1:2]     #通过切片技术获取想要导入的行再利用函数concat进行合并
a = pd.concat([b, df2], ignore_index=True)   #合并上下对齐   #注意确保列数一样

#删除某一阈值
df1 = df[(df['b'] > 0)&(df['b'] < 5)]   #删除大于5小于零的数
# print(df1['b'])
a = len(df['b'])-len(df1['b'])
# print(a)

df = df.drop(df[(df['某列'] > 100)].index)

#统计
b = df['某列'].value_counts()
b = len(df1['b'])   #不加columns是行，加是列    统计的是最长的一行或一列且不能精确到行或列