初学pandas，处理数据集来熟悉pandas

            从一个数据集开始，开启学pandas之旅。

         推荐大家一个网站：http://blog.csdn.net/u010945683/article/details/45344121。

         我下载的是一个有关书籍的数据集，包含三个文件：（1）BX-Users.csv；（2）BX-Books.csv；（3）BX-Book-Ratings.csv

         代码编辑器是jupyter  notebook(很好的ipyhon的编辑器)

         分析数据步骤如下：

        （1）读取数据及合并数据：  

     #读取数据
     book_rate=pd.read_csv('BX-Book-Ratings.csv', usecols=[0,1,2],sep=';', encoding='latin-1' )
     users=pd.read_csv('BX-Users.csv' , sep=';', encoding='latin-1')
     book_detail=pd.read_csv('BX-Books.csv',sep=';',usecols=[0,1,2,3,4],encoding='latin-1')
     #合并数据
     book_detail_rate=pd.merge(book_detail,book_rate)
     book=pd.merge(book_detail_rate,users)

           结果是：

         

        （2）选取前几行数据，用head（）函数：

       book.head(5) 

       结果是：

          

        （3）选取数据的尾几行数据：用tail()函数：

       book.tail(5)

       结果是：

         

       （4）计算计数，均值，标准方差等，用describe()函数：

       book.describe()

       结果是：

             

       （5）选出评价最高的前10本书：

    book_rate_10=book.groupby('Book-Title').agg({'Book-Rating':[np.size,np.mean]})
    select_book=book_rate_10['Book-Rating']['size']>500
    book_rate=book_rate_10[select_book].sort_values([('Book-Rating','mean')],ascending=False)[:10]     

       结果是：

       

        

       （6）选出在2002年出版的书名，出版人，时间的前1列：     

    df=pd.DataFrame(book)
    group=df.groupby('Year-Of-Publication')
    book2002=group.get_group("2002")
    book_2002=book2002[['Book-Title','Year-Of-Publication','Publisher']]

      结果是：

        

       （7）选择在2002年出版的评分在前5名的书名:      

     book_5=book.groupby('ISBN').agg({'Book-Rating':[np.size,np.mean]})
     book5=book_5.sort_values([('Book-Rating','mean')],ascending=False)[:5]
     book.set_index('ISBN',inplace=True)
     book_new=pd.DataFrame(book)
     book5_1=book_new.loc[book5.index].groupby(['Book-Title','Year-Of-Publication']).size()

      结果是：

        

      （8）保存结果：

      book.to_csv('index2.csv')