数据分析----pandas

数据分析----pandas

核心数据结构 Series & DataFrame

import pandas as pd
import numpy as npfrom pandas 
import Series, DataFrame

Series是一个定长的字典序列，它有两个基本属性index 、 value index 默认是 0 ,1,2,3 递增的，也可以自己指定索引 index=[‘a’, ‘b’, ‘c’]

创建Series的三种方式

x1 = Series([1,2,3,4])
x2 = Series(data=[1,2,3,4],index=['a','b','c','d'])
dic = {'a':1,'b':2,'c':3,'d':4}
x3 = Series(dic)
print(x1)
print(x2)
print(x3)

0    1    1    2    2    3    3    4    
dtype: int64    
a    1    b    2    c    3    d    4    
dtype: int64    
a    1    b    2    c    3    d    4    
dtype: int64

DataFrame类似数据库中的表，可以将其看成是由有相同的索引的Series组成

创建DataFra几种方式

data = {"chinese":[90,80,70,60,50],'math':[70,80,70,90,60],'english':[30,50,70,80,60]}
df1 = DataFrame(data=data,index=['zhangfei','guanyu','zhaoyun','huangzhong','machao'])
print(df)

            chinese  english  math    
zhangfei         90       30    70    
guanyu           80       50    80    
zhaoyun          70       70    70   
huangzhong       60       80    90   
machao           50       60    60

import xlrddf2 = DataFrame(pd.read_excel('datas/grades.xlsx'))
df2 = df2.drop_duplicates()

print(df2)

            姓名   高数  英语  C++    
     0   蒋广佳   43  69   61    
     1    廖菲   80  64   62    
     2   沈秀玲   68  74   98    
     3    韦丹   48  53   64    
     4   张梦雅   72  73   96    
     5   赵雅欣   60  63   70    
     6   曹海广   74  60   20    
     7   陈泽灿   38  21   92    
     8    邓杰   88  67   84    
        。。。。。。。。。。

数据清洗

删除不必要的行或列

#删除行
df2 = df2.drop(columns=['姓名'])
print(df2)

          高数  英语  C++    
     0    43  69   61    
     1    80  64   62    
     2    68  74   98   
     3    48  53   64    
     4    72  73   96  

#删除列
df2 = df2.drop(index = [27])
print(df2)

         高数  英语  C++    
    0    43  69   61    
    1    80  64   62    
    2    68  74   98    
    3    48  53   64    
    4    72  73   96  

重命名列名

df2 = df2.rename(columns={'高数':'math','英语':'english'})

去除重复的值

df2 = df2.drop_duplicates()

更改数据格式

df2['math'] = df2['math'].astype('str')
#df2['math'].astype(np.int64)

清除数据间的空格

df2['math'] = df2['math'].map(str.strip) #删除左右两边的空格
df2['math'] = df2['math'].map(str.lstrip) #删除左边的空格（str.rstrip 右边的空格）

删除指定字符

df2['math'] = df2['math'].str.strip('$')

大小写转换

df2.columns = df2.columns.str.upper() #全部大写（lower（）全部小写 title（）首字母大写）

pythondf2

	MATH	ENGLISH	C++
0	43	69	61
1	80	64	62
2	68	74	98
3	48	53	64
4	72	73	96
5	60	63	70
6	74	60	20
7	38	21	92
8	88	67	84
9	86	74	96
10	84	60	90
11	64	69	96
12	60	33	70
13	76	56	84
14	68	54	94
15	68	63	98
16	39	44	56
17	90	63	90
18	64	63	78
19	74	60	76
20	52	48	94
21	60	69	74
22	70	49	76
23	91	67	86
24	78	73	88
25	100	60	98
26	80	63	100

使用apply函数对数据进行清洗

#df2['MATH'] = df2['MATH'].apply(str.lower)
df2['MATH'] = df2['MATH'].astype(np.int64)

	MATH	ENGLISH	C++
0	43	69	61
1	80	64	62
2	68	74	98
3	48	53	64
4	72	73	96
5	60	63	70
6	74	60	20
7	38	21	92
8	88	67	84
9	86	74	96
10	84	60	90
11	64	69	96
12	60	33	70
13	76	56	84
14	68	54	94
15	68	63	98
16	39	44	56
17	90	63	90
18	64	63	78
19	74	60	76
20	52	48	94
21	60	69	74
22	70	49	76
23	91	67	86
24	78	73	88
25	100	60	98
26	80	63	100

def plus(df):    
	df['Total'] = df['MATH']+df['ENGLISH']+df['C++']    
	return dfdf2 = df2.apply(plus,axis=1)

print(df2)

          MATH  ENGLISH  C++  Total    
    0     43       69   61    173   
     1     80       64   62    206    
     2     68       74   98    240    
     3     48       53   64    165    
     4     72       73   96    241    

pandas中常用的统计函数

print(df2.describe())

                            MATH    ENGLISH         C++     Total   
              count   27.000000  27.000000   27.000000   27.000000    
              mean    69.444444  59.703704   81.148148  210.296296    
              std     16.113380  12.406000   17.933003   34.410212    
              min     38.000000  21.000000   20.000000  139.000000    
              25%     60.000000  55.000000   72.000000  193.500000    
              50%     70.000000  63.000000   86.000000  216.000000    
              75%     80.000000  68.000000   95.000000  239.500000    
              max    100.000000  74.000000  100.000000  258.000000