数据分析 -- pandas

1. Pandas简介

  1. Pandas基于Numpy实现,扩展数据类型,更关注数据与索引之间的关系;
  2. Pandas可以处理各种文件格式,CSV文件、JSON文件、XML文件、Parquet文件、SQL文件
  3. Pandas提供两个数据类型:Series,DataFrame
  4. 官方文档:https://pandas.pydata.org/pandas-docs/stable/index.html
  5. 中文文档:https://www.pypandas.cn/docs/

2. Pandas类型

2.1 Series类型

  1. 一组(列)数据和其相关的数据索引组成,索引在左边值在右边,可以通过索引访问;
  2. 可以保存任何类型数据(int/str/float/obj…)的一维数组;
  3. 如果没指定索引,会自动创建一个0到n-1的整数型索引,也可以使用index指定索引
  • 数据构造
# 默认索引
ser = pd.Series([9,8,7,6,5])
print(ser)
>0    9
 1    8
 2    7
 3    6
 4    5
 dtype: int64

# 指定索引
ser = pd.Series(range(5), index= ['a','b','c','d','e'])
print(ser)
>a    0
 b    1
 c    2
 d    3
 e    4
 dtype: int64

# numpy数组创建
ser = pd.Series(np.array([1,2,3]))
print(ser)
>0    1
 1    2
 2    3
 dtype: int64

# 字典创建
ser = pd.Series({'name': '张三', 'age': 18, 'sex': 'F','hobby': '足球'})
print(ser)
>name     张三
 age      18
 sex       F
 hobby    足球
 dtype: object
0
name张三
age18
sexF
hobby足球

2.2 DataFrame类型

  1. 表格型的数据结构,一组有序的列数据和其共用的索引组成,每列可以是不同的值类型(数值、字符串、布尔值等);
  2. DataFrame既有行索引也有列索引,列可以通过列名访问,行通过索引访问
  • 数据构造
# 二维数组转DataFrame对象
list = [[12,14,16,18], [2,4,6,8], [22,24,26,28]]
df = pd.DataFrame(list, columns = ['a','b','c','d'], index = [11,22,33])
print(df)
>  	a	b	c	d
 11	12	14	16	18
 22	2	4	6	8
 33	22	24	26	28

# dict转DataFrame对象
data = {'name':['陈大','钱二','张三','李四'],
       'age':[25,27,26,23],
       'sex':['男','女','男','男'],
       'hobby':['足球','篮球','羽毛起','乒乓球'],
       'height': [180, 167, 145, 187]}
df = pd.DataFrame(data)
print(df)
>    name  age  sex  hobby  height
 0   陈大   25   男    足球     180
 1   钱二   27   女    篮球     167
 2   张三   26   男   羽毛起     145
 3   李四   23   男   乒乓球     187
nameagesexhobbyheight
0陈大25足球180
1钱二27篮球167
2张三26羽毛起145
3李四23乒乓球187

3. pandas操作

3.1 数据查询

  • 查看数据
df             # 查看全部,
df.info        # 基本信息
df.head(2)     # 查看前2行,
df.tail(1)     # 查看最后1行,
df.index       # 索引:RangeIndex(start=0, stop=4, step=1),
df.columns     # 列名:Index(['name', 'age', 'sex', 'hobby', 'height'], dtype='object') ,
df.values      # 查看全部(numpy.ndarray类型),
df.describe()  # 查看统计信息,
df.to_numpy()  # 转NumPy 对象,
df.T           # 转置,
df.sort_index(axis=1, ascending=False)   # 列名按ASCII值排序
df.sort_values(by='age')                 # 列值排序,
  • 选择数据
df.name        # 同df['name'],选择单列,生成Series,

# iloc 基于位置来选择数据
df.iloc[2]            # 取第3行,
df.iloc[:,2]          # 取第3列,
df.iloc[2,2]          # 取第3行第3列,
df.iloc[1:3,1:3]      # 取第1-3行的第1-3列,

# loc 基于标签来选择数据
df.loc[df['name']== '陈大']       # 选择name='陈大'的行,
df.loc[2:4, ['name','height']]   # 行切片后选择特定列,
df.loc[2, ['name','height']]     # 选择行的特定列,
df.loc[df['name']== '陈大', ['name','height']]  # 选择name='陈大'的行的特定列

csv文件操作

  • csv/txt文件操作
# 读取csv文件,忽略空行(不包括先有数据值后被清空的行)
df = pd.read_csv("tmp/nbt/0623.csv", dtype=str, keep_default_na=True, skip_blank_lines=True)
# 删除全部为NaN的行(数据值被清空的行)
df = df.dropna(axis=0, how='all')
# 删除所有的空列
df = df.dropna(axis=1, how='all')
# 所有的缺失值(NaN)替换为空字符串("")
df.fillna("", inplace=True)

# 文件关联
# on: 多个是,可使用['a', 'b',...]
# how: inner/outer/left/right
merged_df = df1.merge(df2[["border_id", "match_lane_type"]], left_on="pred_mark_id", right_on="border_id", how="left") 

# 文件合并
merged_df = pd.concat([df1, df2], ignore_index=True)

# 文件去重
df = df.drop_duplicates()

# 文件写入
df.to_csv(file_path, index=False)
  • 多行合并为1行
# 根据指定字段分组,然后对其他列进行处理
def merge_rows(group, group_field):
    result = group.iloc[0].copy()  # 复制第一行的值
    for col in group.columns:
        if col != group_field:  # 跳过指定的分组字段
            unique_values = group[col].unique()  # 获取该列的唯一值
            if len(unique_values) == 1:  # 如果所有值都相同,保留一个值
                result[col] = unique_values[0]
            else:
                result[col] = ','.join(map(str, unique_values))  # 如果值不同,合并值(以逗号分隔)
                # result[col] = list(unique_values)  # 如果值不同,合并为列表(以逗号分隔)
    return result


def csv_merge_rows_by_group(input_file, output_file, group_field):
    # 读取CSV文件
    df = pd.read_csv(input_file)

    # 根据指定字段分组并合并行
    merged_df = df.groupby(group_field).apply(lambda x: merge_rows(x, group_field)).reset_index(drop=True)

    # 保存处理后的数据到新的CSV文件
    merged_df.to_csv(output_file, index=False)
  • 多个csv合并为excel
import os
import pandas as pd

def merge_csv_to_excel(target_dir, excel_file):
    # 获取文件夹中的所有CSV文件
    csv_files = [os.path.join(target_dir, f) for f in os.listdir(target_dir) if f.endswith('.csv')]

    with pd.ExcelWriter(excel_file, engine='openpyxl') as writer:
        # 遍历所有CSV文件
        for csv_file in csv_files:
            # 读取CSV文件并去重行(不做任何类型转换)
            df = pd.read_csv(csv_file, low_memory=False)
            df = df.drop_duplicates()

            # 提取文件名作为工作表名称
            sheet_name = os.path.splitext(os.path.basename(csv_file))[0]
            print(sheet_name, df.match_result.value_counts())

            # # 提取csv目标数据
            # df = df[~df['match_result'].str.contains('匹配成功')]

            # 将数据写入工作表
            df.to_excel(writer, sheet_name=sheet_name, index=False)
  • 9
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
### 回答1: Python是一种功能强大的编程语言,可以用于各种数据分析任务。而在Python的数据分析工具库中,pandas是最受欢迎和广泛使用的工具之一。 Pandas提供了用于处理和分析数据的高级数据结构和函数。其最常用的数据结构是DataFrame,类似于Excel中的表格。通过Pandas,我们可以读取Excel文件,并将其转换为DataFrame对象进行进一步处理。 使用Pandas进行Excel数据分析的第一步是读取Excel文件。Pandas提供了read_excel函数,可以方便地读取Excel文件并转换为DataFrame对象。我们可以指定要读取的工作表、要保留的列、要跳过的行等。 一旦我们将Excel文件读取为DataFrame对象,我们可以使用Pandas提供的丰富函数和操作对数据进行各种处理和分析。例如,我们可以使用head()函数查看前几行数据,使用describe()函数获取数据的统计摘要,使用mean()函数计算平均值,使用groupby()函数对数据进行分组等等。 除了数据处理和分析,Pandas还提供了各种工具来处理缺失值和数据清洗。我们可以使用dropna()函数删除含有缺失值的行或列,使用fillna()函数将缺失值填充为指定的值,使用replace()函数替换数据中的特定值等。 在数据分析完成后,我们可以使用to_excel函数将DataFrame对象保存为Excel文件。在保存时,我们可以指定要保存的工作表、保存的位置和文件名等。 总之,Pandas是一个非常强大和灵活的库,可以使Python在处理Excel数据时变得更加简单和高效。无论是数据的读取、处理、分析还是保存,Pandas都提供了丰富而简洁的函数和操作,使得数据分析变得更加容易。 ### 回答2: Pandas是一个功能强大的数据分析工具,可以轻松地处理和分析各种数据。同时,Pandas还提供了许多用于读取、处理和写入Excel文件的功能,让我们能够更方便地从Excel文件中提取和处理数据。 在使用Pandas进行Excel数据分析时,我们首先需要使用`pandas.read_excel()`函数读取Excel文件,并将其存储为一个Pandas的DataFrame对象。这样可以轻松地使用Pandas的各种数据处理和分析功能。 Pandas提供了一系列的函数来处理Excel数据,比如对数据进行过滤、排序、计算统计量等。我们可以使用`head()`函数快速查看数据的前几行,使用`describe()`函数生成数据的统计概要信息,使用`sort_values()`函数对数据进行排序等。 除此之外,Pandas还提供了一些方便的函数来进行Excel数据的写入。我们可以使用`to_excel()`函数将DataFrame对象写入Excel文件,并通过参数来设置写入的Sheet名称、行列标签等。 除了基本的读写操作,Pandas还提供了丰富的数据转换和清洗功能,如数据合并、去重、填充空值等等。这些功能可以帮助我们更好地理解和分析Excel中的数据。 总而言之,Pandas是一个非常方便和强大的数据分析工具,可以让我们轻松地处理和分析Excel数据。通过Pandas,我们可以更加快速和高效地提取、清洗和分析数据,将Excel文件作为数据分析的重要来源之一。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值