数据分析-Pandas教程：常见使用方法-模拟案例

Pandas是Python数据分析库。

Pandas把结构化数据分为了三类：Series、DataFrame、Panel，分别可以理解为 MySQL 表的一列、表、库。

1.引入：

        可以使用pycharm搜索安装，超级简单。

import numpy as np

import pandas as pd

2.导入数据或创建数据：

df_1 = pd.read_csv(inF1)

inF1 可以是csv文件的路径。

也可以创建数据，咳咳，这个是从别人那里copy来的，不用在意这些细节。。。

  df_1 = pd.DataFrame({'total_bill': [16.99, 10.34, 23.68, 23.68, 24.59], 'tip': [1.01, 1.66, 3.50, 3.31, 3.61], 'sex': ['Female', 'Male', 'Male', 'Male', 'Female']})

3.操作数据

导入的csv和创建的数据都会形成一个DataFrame数据。

DataFrame是表格型数据结构，包含一组有序的列，每列可以是不同的值类型。可以看出MySQL的表。

（1）非常简单的数据提取

print(df[['total_bill', 'tip']])

（2）带点条件的提取

print df[df['total_bill'] > 20]

（3）复杂条件的提取

print df[(df['sex'] == 'Female') & (df['total_bill'] > 20)]

（4）小总结，可以使用任意条件：=  >  <  !  size()   count()   等

（5）merge  重要！！！

简单来说就是MySQL里面的join

合并数据集， 通过left， right确定连接字段，默认是两个数据集相同的字段 

how 连接方式：‘inner’（默认）；还有，‘outer’、‘left’、‘right’ 

on 用于连接的列名，必须同时存在于左右两个DataFrame对象中，如果位指定，则以left和right列名的交集作为连接键 

left_on 左侧DataFarme中用作连接键的列 

right_on 右侧DataFarme中用作连接键的列 

left_index 将左侧的行索引用作其连接键 

right_index 将右侧的行索引用作其连接键 

真乱，举个例子！

df_3 = pd.merge(df_1, df_2, on=['id', "name"], how="left")

 

就是df_1和df_2两个csv文件的数据，想用id和name把这两个数据集关联起来，向df_1看齐。

（6）删除列

merge完后，发现有好多不想要的列，或者说，需求里面没有要

删啊，留着干嘛，等领导说你两句？？

df_3.drop(['name2'], axis=1, inplace=True)

把name2这个字段删除了，axis=1删除的是列，为0删除是行，inplace=True在源数据上直接修改。

（7）修改列名

删完发现，有的字段名起的很一般，一看英语就不咋好，让我这8级的给改改吧（自行车水平8级）

df_4 = df_3.rename(columns={'name2': 'nameTwo'})

name2改成了nameTwo，哈哈，很强势，就这么干。

（8）字段内容替换

数据总算看着顺眼多了，可是。。。需求说，把Female改成  Lady   （mmp，要这么绅士干什么）

df.replace(to_replace='Female', value='Lady', inplace=True)

搞定！！！

df.loc[df.sex == 'Female', 'sex'] = 'Lady'

这么来也行，效果一样。。。

（9）apply方法使用

第二天，需求又说了，把Female中的Fe改成  Lady ，，，（实际数据要比这个复杂多）

def replaceZeno(replaceZeno):
    return str(replaceZeno).replace("Fe", "Lady")

df_4['sex'] = df_4['sex'].apply(replaceZeno)

上边是方法，下边是调用。。。应该很好理解吧。。。

（10）数据导出

df_4.to_csv(outF4, index=False)

outF4 改成自己的输出路径，完事！

 

总结：额，算了，不写了

一句话，遇到不会的，就往MySQL那边想，都有相对应的实现。

mysql不会？？

MySQL从入门到放弃，  了解一下？？？

 

交流群：453908562