python数据分析2

python数据分析pandas库

---

前言

为啥要用python中的pandas库进行数据分析，用excel不可以吗？不可以，excel处理上万条数据时通常会死机或者出错，python不会有这种问题。相信鲤鱼学长，在学习乃至日后工作中，pandas库将会风靡相当长一段时间。

---

提示：以下是本篇文章正文内容，下面案例可供参考

1.3.2获取行子集

获取行子集的方法	说明
loc	根据索引标签获取行子集
iloc	根据行索引获取行子集

1.通过索引标签获取行子集

咱先康康数据集·的前5行

import pandas as pd
df=pd.read_csv(r'C:\Users\WLY\Desktop\python数据分析\pandas_for_everyone-master\data\gapminder.tsv',sep='\t')
print(df.head())

结果如下：

       country continent  year  lifeExp       pop   gdpPercap
0  Afghanistan      Asia  1952   28.801   8425333  779.445314
1  Afghanistan      Asia  1957   30.332   9240934  820.853030
2  Afghanistan      Asia  1962   31.997  10267083  853.100710
3  Afghanistan      Asia  1967   34.020  11537966  836.197138
4  Afghanistan      Asia  1972   36.088  13079460  739.981106

这里面左侧的0-4就是行号，也就是DataFrame的索引标签。可以使用DataFrame的loc属性通过索引标签获取行子集。代码如下：

#获取第一行，这里写0是因为python从0开始计数，标号0也就是第一行
print(df.loc[0])
#同理，取第100行就写99
print(df.loc[99])

结果如下：

country      Afghanistan
continent           Asia
year                1952
lifeExp           28.801
pop              8425333
gdpPercap        779.445
Name: 0, dtype: object
country      Bangladesh
continent          Asia
year               1967
lifeExp          43.453
pop            62821884
gdpPercap       721.186
Name: 99, dtype: object

当然，也可以同时选取多行数据。代码如下：

print(df.loc[[0,9,99]])

注意这里用到了嵌套方括号。
结果如下：

        country continent  year  lifeExp       pop   gdpPercap
0   Afghanistan      Asia  1952   28.801   8425333  779.445314
9   Afghanistan      Asia  1997   41.763  22227415  635.341351
99   Bangladesh      Asia  1967   43.453  62821884  721.186086

1.3.3混合

1.根据行值、列值来获取

1.3.2里是根据第x行、第x列来获取想要的数据，这里是根据行值、列值来获取，例如想要获取值是year和pop这两列：

import pandas as pd
df=pd.read_csv(r'C:\Users\WLY\Desktop\python数据分析\pandas_for_everyone-master\data\gapminder.tsv',sep='\t')
subset=df.loc[:,['year','pop']]
print(subset.head())

结果如下：

   year       pop
0  1952   8425333
1  1957   9240934
2  1962  10267083
3  1967  11537966
4  1972  13079460

可以使用loc来获取指定某行某列的数据，如获取第42行，列值是country的数据，代码如下：

print(df.loc[42,'country'])

结果如下：

Angola

2.通过范围获取

例如想要获取0、1、2、3、4列，代码如下：

small_range=list(range(5))
print(small_range)
subset=df.iloc[:,small_range]
print(subset.head())

结果如下：

[0, 1, 2, 3, 4]
       country continent  year  lifeExp       pop
0  Afghanistan      Asia  1952   28.801   8425333
1  Afghanistan      Asia  1957   30.332   9240934
2  Afghanistan      Asia  1962   31.997  10267083
3  Afghanistan      Asia  1967   34.020  11537966
4  Afghanistan      Asia  1972   36.088  13079460

这里用到range函数生成0-4这五个整数。
若是获取3-6列呢？就只需要将上述代码中的range(5)改成range(3-7)就可以了。
其实用range函数解决有点笨，用到切片语法更好。代码如下：

subset=df.iloc[:,:5]
print(subset.head())

结果是一样的，其实这就是range方法的简写版。
下面大家对比康康：

#获取第3列到第5列，包含第3列和第5列，range函数方法
small_range=list(range(3,6))
subset=df.iloc[:,small_range]
print(subset.head())

#获取第3列到第5列，包含第3列和第5列，切片语法
subset=df.iloc[:,3:6]
print(subset.head())
#其实上面两行也可以这样
subset=df.iloc[:,3:6:1]
print(subset.head())
#这里的3:6:1，后面的1就是步长，隔1取一个数
subset=df.iloc[:,0:6:2]
print(subset.head())
#这样就是从取0-6的偶数（不包括6）

留一个问题：如果用loc获取最后一行数据，代码如下：

print(df.loc[-1])

结果会报错，应该怎么解决？
我用的python版本是python3.7 64位，pycharm是2017.1 64位。大家根据自己的电脑来安装python和编译器。

注意：
1、这里也可以选择不把结果打印出来。
2、python里路径的写法，我这(r’xxx’)是一种，不同的版本，不同的电脑不一样，当你检查代码还是报错的话，就搜索那个错误就可以找到不少解决方法。

---

有啥问题欢迎童鞋们留言！