python 数据分析实战

1.pandas        py的数据分析包

        1.安装Anaconda

        2.python中安装: pip install pandas

2.数据准备

２．１数据结构

        1.pandas中Series(一维）

from pandas import Series
a = ['a','b','c']
b = Series(a,index=[1,2,3])＃ａ为列表
print(b) 

运行结果：

1    a
2    b
3    c
dtype: object

DataFrame（二维）

from pandas import Series
from pandas import DataFrame
a = ['a','b','c']
b = DataFrame({'age':Series(a),'name':['j','k','l']})
print(b) 
print("\n")
print(b[0:2])#行
print("\n")
print(b['age'])#列
print("\n")
print(b.iloc[0:2,0:2])#块，行和列
print("\n")
print(b.at[1,'age'])#位置，第几行，第几列

        2、panel（三维）（暂不学）

２．２数据导入与导出

        １导入．（ｔｘｔ，ｃｓｖ，ｅｘｃｌ）

        

from pandas import read_table 
from pandas import read_csv
from pandas import read_excel
#导入TXT,csv,excel
read_table(file,,name=[列名1，列名2]，sep='',)
read_csv(file,,name=[列名1，列名2]，sep='',)
read_excel(file,,name=[列名1，列名2]，sep='',)

        ２．导出

#to_table('1.txt')
#to_excel('1,excel')
#to_csv('1.csv')

#1.scv为文件名

３．数据处理（方法）

     3.1数据清洗

1. drop_duplicates()        #去(重复)行，剩一行 
2. (缺失)值处理
(1)dropna()                 #去空行
(2)fillna('1')              #用1代替空行，
(3)fillna(method='pad')     #'pad'前一个数值替代
(4)fillna(method='bfill')   #'pad'后一个数值替代
(5)fillna(.mean())          #平均数或其他统计数字值替代
(6)fillna(.mean())['math:physcical']#选择列进行缺失值处理
(7)strip()                  #去首位空格

#列：
from pandas import Series
from pandas import DataFrame
from pandas import read_excel
a=read_excel('c:\\1.xlsx')
print(a)
print('\n')
# b=a.fillna('!')
# c=a.dropna()
# d=a.fillna(method='pad')
# e=a.fillna(method='bfill')
# f=a.fillna(a.mean())
# g=a.fillna(a.mean())['math':'physcical']

   3.2数据抽取

(1)slice(srart,stop)           #字段抽取
(2)split(sep,n,expand=False)   #字段拆分，sep字符串分隔符，n分割后新增列数，expand是否展开为数据框
(3)dataframe(condition)        #conditioon 过滤条件
(4)numpy.random.randint(start,end,num)#随机抽样，num个数

(5)字典数据————将字典数据抽取为dataframe,三种方法
a = {'a':'[1,2,3]','b':'[0,1,2]'}#值有''
a = {'a':[1,2,3],'b':[0,1,2]}    #值必须为列表

from pandas import DataFrame
a = {'a':[1,2,3],'b':[0,1,2]}
b = DataFrame(a)
print(b)
#运行结果
   a  b
0  1  0
1  2  1
2  3  2

3.3排名索引 

#1.排名索引
#.sort_index()方法
#2.重新索引
#.reindex()方法

#1
import pandas
from pandas import DataFrame
a = {'a':[1,2,3],'b':[0,1,2]}
b = DataFrame(a,index=['b','c','a'])
c=b.sort_index()#对index进行排序，默认升序
print(c)