《python数据分析与应用》第四章:pandas统计分析基础

第四章

4.1 读写不同数据源的数据
4.1.1 读/写数据库数据

1.数据库数据读取:

注意:数据库的用户名(一般都是root)和密码(自己设置的)都是要用自己的,地址默认的127.0.0.1

读取函数(你自己把文件存在哪了?)和存储函数(你要把问价存在哪?)的路径,一定要区别开

先明确读取表与查询表的区别:
①查询的数据集合时临时存在的;
②不同查询的条件产生不同的数据集合,是对原数据的重新整合;
③当关闭查询后,查询记录随之清空,保存下来的只有查询方式,再次打开查询重新调入数据。

查询操作仿佛新建了一个数据表(其实没有)来储存符合查询命令的数据集,它使原数据发生了临时性的改变,对原数据进行了整合操作;而读取就是读原数据的所有信息,没有对原数据进行整合操作。

read_sql_table:只能读取数据库中的某一个表格,不能实现查询的操作,第一个参数是具体的表格名称;
read_sql_query:只能实现查询操作,不能直接读取,第一个参数是sql语句(查询数据库或者某个表格);
read_sql:是上面两者的集合,既能读取也能查询,第一个参数是表名或者sql语句。

2.数据库数据存储:to_sql
4.1.2 读/写文本文件
1.文本文件读取
read_table读取文本文件

  • 1
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
课程简介: 本课程主要介绍Python数据分析基础知识、常用工具以及数据分析实践。通过课程的学习,学生可以了解到Python数据分析的基本概念和理论,掌握Python数据分析的基本技能,能够使用Python进行数据清洗、数据分析和数据可视化,能够应用Python进行实际数据分析项目。 课程大纲: 第一章:Python数据分析概述 1.1 数据分析的概念与流程 1.2 Python数据分析的优势 1.3 Python数据分析的主要应用场景 第二章:Python基础知识回顾 2.1 Python的基本数据类型 2.2 Python的流程控制语句 2.3 Python的函数与模块 第三章:Python数据分析工具介绍 3.1 NumPy:Python科学计算工具 3.2 PandasPython数据处理工具 3.3 Matplotlib:Python绘图工具 3.4 Seaborn:Python高级绘图工具 第四章:数据清洗 4.1 数据清洗的概念与流程 4.2 缺失值处理 4.3 重复值处理 4.4 异常值处理 第五章:数据分析 5.1 数据分析的概念与流程 5.2 描述性统计分析 5.3 探索性数据分析 5.4 预测性数据分析 第六章:数据可视化 6.1 数据可视化的概念与流程 6.2 Matplotlib绘图基础 6.3 Seaborn高级绘图 6.4 绘图实例分析 第七章:数据分析实践 7.1 实际数据分析项目介绍 7.2 数据获取与清洗 7.3 数据探索与分析 7.4 数据可视化与报告 课程收益: 1. 理解Python数据分析的基本概念和理论知识。 2. 掌握Python数据分析的基本技能,包括数据清洗、数据分析和数据可视化。 3. 能够运用Python进行实际数据分析项目。 4. 掌握Python数据分析的主要工具,包括NumPy、Pandas、Matplotlib和Seaborn等。 5. 学习Python数据分析的实践经验,提高数据分析的实际应用能力。

“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
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