【Python】Pandas库实验练习

编译平台：PyCharm
使用语言：Python
版本：2020.1

一、前言

  实验：现给出球员的赛场信息表 ，请分析该表，排名球员实力。
  表资源下载链接：data.xlsx

二、代码

2.1 导入库

import re
import matplotlib.pyplot as plt
import pandas  
from collections import Counter

  有关上述库的理解如下：

Python库	描述
re库	提供字符串分割方法
matplotlib库	提供图像可视化
pandas库	提供获取Excel表等文件类型的数据手段
collections库	提供统计数方法

2.2 准备Excel路径

# data.xlsx路径
FilePath = "C:\\Users\\Administrator\\Desktop\\pandas入门\\data.xlsx"
OutPath = "C:\\Users\\Administrator\\Desktop\\pandas入门\\NewData.xlsx"

  如上图所示，为笔者的data.xlsx本地路径。输出路径为后续将筛除的新数据进行导出的路径。特别注意：你需要将你的本地路径覆盖上图中的路径。

2.3 提取Excel数据

  为方便理解，我们使用pandas直接引用，不做缩写命名。

List = pandas.read_excel(FilePath)

  pandas库提供read_excel()方法来读取Excel表中的数据。
  关于更多了解该函数方法，请参考CSDN作者：leenuxcore — Pandas read_excel( )参数详解。

  输出的部分结果如下图所示：

2.4 修正格式（可忽略）

# 解决数据输出时列名不对齐的问题
pd.set_option('display.unicode.east_asian_width', True)

2.5 提取关键数据

TeamRole = pandas.DataFrame(data=List, index=None, columns=['球员', '进球（点球）', '射门', '射正', '球队'])

  出于数据类型多，我们只筛选出相对有用的列。pandas库提供DataFrame()方法允许我们从获取的数据集中，拿取指定列、行的数据集。
  关于该函数方法，请参考CSDN作者：daydayup_668819 — python下的Pandas中DataFrame基本操作（一），基本函数整理。

  提取数据部分图如下图所示：

2.6 数据清洗阶段

2.6.1 认识射门与射正

	描述
射门	指用踢球、头顶球、铲球等技术将球射向对方球门。是进攻的最终目的，也是比赛胜负的关键。
射正（进攻）	从进球的角度，在最后一次出球（射门）时，完成破门或对球门造成威胁。
射正（防守）	从防守的角度，最后一次触球，踢向球门的中路，导致门将将球没收或将球扑出，浪费了一次进攻机会

  笔者个人理解  射门 —— 向门的方向射球
          射球 —— 射向门内区域（不包含门框）

2.6.2 正则表达式提取关键数据

  由于每名球员中，存在 进球数（点球） 这一选项，我们需要使用re库，即正则表达式对数据进行分割。
  首先，我们通过len()获取列长度。或许也有其他更好的方法直接获取列长，命名为RoleCount（取名为"球员数量"）。

RoleCount = len(TeamRole)

  其次，受限于我们从Excel中获取的数据格式有int与string两个类型混合，我们决定使用re库提供的split()方法对数据进行提取。于是，我们准备了数组GoalMain、GoalPoint进行提取的数据存储。如下所示：

GoalMain = []   # 存储总进球数
GoalPoint = []  # 存储点射进球数

  但是，re库提供的split()方法在非包含指定分割字符的前提下，返回报错的问题。原因是存在int类型的数据。
  于是，为解决此问题我们引入了isdigit()方法来辨识字符串是否为数值。在此之前，我们需要将所有数据类型强转为string类型，来满足isdigit()的前提条件。

for index in range(0, RoleCount):
    value = TeamRole['进球（点球）'][index]  # 索引进球数据
    value = str(value)  # 强转str
    # 如果数据为纯数字，直接赋值，否则进行数据提取
    # 判断字符串内部是否为纯数字
    if value.isdigit():
        data = value  # 直接赋值
        GoalMain.append(data)  # 添加进球总数
        GoalPoint.append(0)  # 添加点射进球数0
    else:
        data = re.split('[()]', value)  # 提取数据
        # print(len(data))  # 获取数据大小
        # 输出数据 ['数据1', '数据2', 'null']
        GoalMain.append(data[0])  # 添加进球总数
        GoalPoint.append(data[1])  # 添加点射进球数

特别注意：
  数据内容 17（2），在使用split()分割后，其分割后的数据为Array类型，即分割数据为['17', '2', '']，故获取的重要数据分为别data[0]、data[1]。
  数据内容 16，因为没有点球数，故计数为0。

  处理后的数据集如下所示：

2.6.3 添加新列

  如下所示，我们将获取到的数据分别命名为"总进球"、"点进球"，并将数组GoalMain、GoalPoint分别赋值。

TeamRole['总进球'] = GoalMain
TeamRole['点进球'] = GoalPoint

2.6.4 删除旧列

  删除'进球（点球）'列，因为我们从中提取到想要的数据集，后续将不再需要。

del TeamRole['进球（点球）']

2.6.5 提取的数据表

2.7 统计数据

  由 2.6.1 认识射门与射正 提供的了解，新的数据计算如下所示：

	算式	描述
框内命中率	= 射正 / 射门	射进球框内区域方向的概率
进球率	= 进球 / 射正	在射进球框内区域方向上的进球得分概率

  于是，准备两个数组EntryRate与GoalRate作为存储数据组：

EntryRate = []  # 进门率
GoalRate = []  # 进球率

  接着，遍历各列，获取数据，计算。将计算的结果添加至数据组中。其中round()方法帮助我们控制数据的小数点后位数，以更直观的美化数据观感，如下图示：

for index in range(0, RoleCount):
    value_SP = float(TeamRole['射正'][index])
    value_SM = float(TeamRole['射门'][index])
    value_go = float(TeamRole['总进球'][index])
    # 射正/射门 = 框内命中率
    valueA = value_SP / value_SM
    # 进球/射正 = 进球率
    valueB = value_go / value_SP
    # 添加
    EntryRate.append(round(valueA, 3))
    GoalRate.append(round(valueB, 3))

  特别注意：出于获取的内容为字符串string类型，需要float()强转数据类型，后续计算准备。

  重复 2.6.3 添加新列 操作，将新数据组添加至TeamRole中，如下图所示：

TeamRole['进门率'] = EntryRate
TeamRole['进球率'] = GoalRate

2.8 制图阶段

2.8.0 最终效果图展示

2.8.1 准备数据

  如 2.8.0 最终效果图展示所示，x轴为球员，y+为进门率，y-为进球率。并附有两条平均水平线作参考。

  分别获取TeamRole['球员']、TeamRole['进球率']、TeamRole['进门率']。

x1 = TeamRole['球员']
y2 = TeamRole['进球率']
y3 = TeamRole['进门率']

  由于笔者在Python中尚未找到average()方法，可能有但就是完美的错过了。选择使用sum()计算各数据列总和，来求均值。得到的均值为 各率参考线。

ave_Entry = sum(y2)/RoleCount
ave_Goal = sum(y3)/RoleCount

2.8.2 绘制关系图

plt.figure(figsize=(13, 8))
plt.bar(x1, y2, width=0.4, label='进球率')
plt.xticks(rotation=45)
plt.bar(x1, -y3, width=0.4, label='进门率')

2.8.3 绘制参考线

plt.axhline(y=ave_Entry, ls=":", c="red", label='平均进门率')  # 添加水平直线
plt.axhline(y=-ave_Goal, ls=":", c="blue", label='平均进球率')  # 添加水平直线

2.8.4 预防图像数据乱码

  出于编码格式的缘由，一部分中文字体无法正常显示（即 乱码）。需要使用以下两行代码对输出文字格式进行修正。

plt.rcParams['font.sans-serif'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False

2.8.5 其他数据内容补充

  为X轴、Y轴添加标签说明，如下所示：

plt.xlabel('球员')
plt.ylabel('百分比 %')

  将标签内容以微型图方式呈现于数据图右上方，如下所示：

plt.legend()

  命名数据的标题内容，并呈现于数据图正上方。

plt.title('球员进球率（条形图）')

2.8.6 显示图

plt.show()

2.9 输出Excel表

  result为我们在 2.7 统计数据 完成后获取的最终数据。OutPath为我们在 2.2 准备Excel路径 时已经完成。

result.to_excel(OutPath, sheet_name='NewData')

三、后记

  如有错误，请评论指正，或联系作者进行更正。