昨日内容回顾
-
numpy中的运算符
数学运算符 +、-、*、/、%、//、** 比较运算符 greater less equal # numpy中的数字在运算的时候按照位置一一对应
-
numpy中的内置函数
必会统计函数 max min sum ... # axis参数针对多维数组可以控制行列 axis = 1 行 axis = 0 列
-
numpy中的随机数模
与python中的random模块类似 np.random.方法 # 无需过多记忆 使用时查看内部源码
-
赌场小案例
# 练习python编程以及最基础的数据分析思维
-
pandas模块
整个数据分析模块中最重要也是使用频率最高的一个 import pandas as pd
-
pandas两大数据结构之Series
行标签/行索引 真实数据 pd.Series({'a':111,'b':222})
-
索引取值
loc iloc
-
数据操作
.append() 索引取值之后赋值操作即可
-
缺失数据的概念
NaN 表示数据缺失 NaN本身是浮点型 isnull() notnull() fillna() dropna() # 数据清洗的时候会详细使用
-
基本运算符
add add sub substract mul multiple div divide
-
pandas数据结构之DataFrame
表格型数据结构(表) DataFrame可以与excel表格互相转换 列字段名称 行索引 真实数据
-
创建DataFrame多种方式
# 起码掌握下面这种 pd.DataFrame({'name':['jason','kevin','tony','tom'],'age':[18,22,27,38]}) """ index columns """ 最好尽肯多的掌握创建方式
今日内容概要
- 作业讲解
- DataFrame常用方法
- 读取外部数据(三种)
- 前期数据概览
- 表数据的行列操作
- 表数据的查询操作
- 表数据类型的操作
- 异常值处理策略
- 缺失值处理策略
- 数据汇总(透视表)
- 数据合并(连表操作)
今日内容详细
作业讲解
1.计算下列数组元素和
array([[ 80.5, 60., 40.1, 20., 90.7],
[ 10.5, 30., 50.4, 70.3, 90.],
[ 35.2, 35., 39.8, 39., 31.],
[91.2, 83.4, 85.6, 67.8, 99.]])
'''不使用axis参数(python代码实现)'''
# 计算每一行的和
'''使用axis参数(np内置数学统计函数)'''
# 计算每一行的和
'''不使用axis参数(python代码实现)'''
# 计算每一行的和
l = []
for i in res: # 循环取出每一行的数据
# 计算每一行的和
row_sum = sum(i)
# 将每一行的和添加到新列表中
l.append(row_sum)
print(l)
#############################################################
# 能否一行python解决上述问题 列表生成式
new_l = [sum(i) for i in res]
new_l
列表生成式(重要)
# 基本
In [1]: l1 = [11,22,33,44,55,66] # 将列表中每个元素加一
In [2]: new_l = [] # 定义一个空列表
In [4]: for i in l1: # 循环取出列表中的原数据
...: new_l.append(i + 1)
...:
In [5]: new_l
Out[5]: [12, 23, 34, 45, 56, 67]
# 列表生成式一行代码
new_l = [i+1 for i in l1]
# 筛选大于33的元素
In [2]: new_l = [] # 定义一个空列表
In [4]: for i in l1: # 循环取出列表中的原数据
...: if i > 33:
new_l.append(i)
In [5]: new_l
Out[5]: [44, 55, 66]
# 列表生成式一行代码
new_l = [i for i in l1 if i>33]
DataFrame常用方法
# 1.获取表格的行标签/行索引名称
df1.index
RangeIndex(start=0, stop=5, step=1)
# 2.获取表格的列字段名称
df1.columns
Index(['name', 'age', 'addr'], dtype='object')
df1
# 3.转置
df1.T
0 1 2 3 4
name jason kevin tony oscar jack
age 18 28 38 48 58
addr 安徽 山东 上海 北京 深圳
# 4.获取表格的数据部分
df1.values
array([['jason', 18, '安徽'],
['kevin', 28, '山东'],
['tony', 38, '上海'],
['oscar', 48, '北京'],
['jack', 58, '深圳']], dtype=object)
外部数据读入
"""
能够存储数据的地方有
1.文件
2.MySQL数据库
3.Excel
excel文件后缀名变化
老版本的excel软件生成的文件后缀名是.xls
新版本的excel软件生成的文件后缀名是.xlsx
mac电脑excel文件后缀名还可能是.csv
"""
读取数据之read_csv
# read_csv既可以读取普通的文本文件也可以读取.csv结尾的文件
pd.read_csv(filepath_or_buffer, sep=',', header='infer', names=None, usecols=None, skiprows=None, skipfooter=None, converters=None, encoding=None)
filepath_or_buffer:指定txt文件或csv文件所在的具体路径
sep:指定原数据集中各字段之间的分隔符,默认为逗号”,”
id name income
1 jason 10
header:是否需要将原数据集中的第一行作为表头,默认将第一行用作字段名称
如果原始数据没有表头需要将该参数设置为None
names:如果原数据集中没有字段,可以通过该参数在数据读取时给数据框添加具体的表头
usecols:指定需要读取原数据集中的哪些变量名
skiprows:数据读取时,指定需要跳过原数据集开头的行数
有一些表格开头是有几行文字说明的,读取的时候应该跳过
skipfooter:数据读取时,指定需要跳过原数据集末尾的行数
converters:用于数据类型的转换(以字典的形式指定)
encoding:如果文件中含有中文,有时需要指定字符编码
# 参考ipynb文件
读取数据之read_excel
# 读取.xlsx和.xls文件
pd.read_excel(io, sheetname=0, header=0, skiprows=None, skip_footer=0, index_col=None, usecols=None,names=None,
na_values=None, thousands=None, convert_float=True)
io:指定电子表格的具体路径
sheetname:指定需要读取电子表格中的第几个Sheet,既可以传递整数也可以传递具体的Sheet名称
header:是否需要将数据集的第一行用作表头,默认为是需要的
skiprows:读取数据时,指定跳过的开始行数
skipfooters:读取数据时,指定跳过的末尾行数
index_col:指定哪些列用作数据框的行索引(标签)
usecols:指定需要使用的列(A B C...)
na_values:指定原始数据中哪些特殊值代表了缺失值
thousands:指定原始数据集中的千分位符
convert_float:默认将所有的数值型字段转换为浮点型字段
converters:通过字典的形式,指定某些列需要转换的形式
read_sql方法
# 读取.md的文件中的表格
import pymysql
conn = pymysql.connect(host,port,user,password, database, charset)
host:指定需要访问的MySQL服务器
port:指定访问MySQL数据库的端口号 charset:指定读取MySQL数据库的字符集,如果数据库表中含有中文,一般可以尝试将该参数设置为 “utf8”或“gbk”
user:指定访问MySQL数据库的用户名
password:指定访问MySQL数据库的密码
database:指定访问MySQL数据库的具体库名
# 利用pymysql创建好链接MySQL的链接之后即可通过该链接操作MySQL
pd.read_sql('select * from user', con = conn)
conn.close() # 关闭链接
数据概览(掌握)
df.columns # 查看列
df.index # 查看行
df.shape # 行列
df.dtypes # 数据类型
df.describe # 统计描述
默认只会统计数字类型的数据,非数字类型统计需要加参数include
sec_buildings.describe(include='object')
df.head() # 取头部多条数据
df.tail() # 取尾部多条数据
# 可以查看整体数据类型 以及每个字段缺失数据的个数
df3.info()
列数据操作
# 修改列字段名称
df3.rename(columns={'序号':'编号','薪资':'待遇'})
# 添加列字段
df3['描述'] = '都很牛逼'
df3['等级'] = ['a','b','c','d','e']
df3['年薪'] = df3['薪资'] * 12
df3['钱数'] = df3['工龄'] * df3['薪资'] * 12
# 指定位置
df3.insert(4,'年龄',[18,28,38,48,58])
内容补充
如果想在编程环境下直接执行下载模块的命令
!pip3 install 模块名 # 只需要加一个感叹号
今日作业
1.利用read_excel完成
df5 = pd.read_excel(r'data_test06.xlsx',
skiprows=5,
usecols=['ID','Name','isRun','Date']
)
df5
# 需求分析
# 针对ID自动递增填充 作业
# 针对isRun自动交替变换 作业
2.利用read_sql读取之前多表查询练习题里面所有的表
3.整理今日内容并复习多表查询练习题(SQL语句)