Python数据分析与展示学习记录（四）

Pandas

相当于python中excel，使用表（dataframe），在数据上做各种变换，具备其他很多功能

其基于NumPy数组构建的，使数据预处理、清洗、分析工作变得更快更简单。

pandas是专门为处理表格和混杂数据设计的，而NumPy更适合处理统一的数值数组数据。

import pandas as pd

读取数据：

data = pd.read_csv( my_file.csv )
data = pd.read_csv( my_file.csv , sep= ; , encoding= latin-1 , nrows=1000, skiprows=[2,5])

写数据

data.to_csv( my_new_file.csv , index=None)

查看数据

data.head(3)    #打印出数据的前 3 行
data.loc[8]     #打印出第八行
data.loc[8,  column_1 ]    #打印第八行名为「column_1」的列
data.loc[range(4,6)]       #第四到第六行（左闭右开）的数据子集

基本函数：

data[data[ column_1 ]== french ]
data[(data[ column_1 ]== french ) & (data[ year_born ]==1990)]
data[(data[ column_1 ]== french ) & (data[ year_born ]==1990) & ~(data[ city ]== London )]

基本函数

data[ column_numerical ].plot()
data[ column_numerical ].hist()#直方图

更新数据

data.loc[8,  column_1 ] =  english
将第八行名为 column_1 的列替换为「english」

统计次数

data[ column_1 ].value_counts()

.describe()：针对各列的多个统计汇总，用统计学指标快速描述数据的概要。
.sum()：计算各列数据的和
.count()：非NaN值的数量
.mean( )/.median()：计算数据的算术平均值、算术中位数
.var()/.std()：计算数据的方差、标准差
.corr()/.cov()：计算相关系数矩阵、协方差矩阵，是通过参数对计算出来的。Series的corr方法用于计算两个Series中重叠的、非NA的、按索引对齐的值的相关系数。DataFrame的corr和cov方法将以DataFrame的形式分别返回完整的相关系数或协方差矩阵。
.corrwith()：利用DataFrame的corrwith方法，可以计算其列或行跟另一个Series或DataFrame之间的相关系数。传入一个Series将会返回一个相关系数值Series（针对各列进行计算），传入一个DataFrame则会计算按列名配对的相关系数。
.min()/.max()：计算数据的最小值、最大值
.diff()：计算一阶差分，对时间序列很有效
.mode()：计算众数，返回频数最高的那（几）个
.mean()：计算均值
.quantile()：计算分位数（0到1）
.isin()：用于判断矢量化集合的成员资格，可用于过滤Series中或DataFrame列中数据的子集
适用于Series的基本统计分析函数，DataFrame[列名]返回的是一个Series类型。
.unique()：返回一个Series中的唯一值组成的数组。
.value_counts()：计算一个Series中各值出现的频率。
.argmin()/.argmax()：计算数据最大值、最小值所在位置的索引位置（自动索引）
.idxmin()/.idxmax()：计算数据最大值、最小值所在位置的索引（自定义索引）

【十分钟Python知识点】pandas最详细教程 - 知乎 (zhihu.com)
Python pandas用法 - 简书 (jianshu.com)