python读取数据集前十行,python数据分析万字干货！一个数据集全方位解读pandas

image.png

说到python与数据分析，那肯定少不了pandas的身影，本文希望通过分析经典的NBA数据集来系统的全方位讲解pandas包，建议搭配IDE一遍敲一边读哦。话不多说，开始吧！

目录

安装与数据介绍

安装与配置

检查数据

探索性分析

pandas数据结构

series对象

dataframe对象

访问series元素

使用索引

使用.loc与.iloc

访问dataframe元素

使用索引

使用.loc与.iloc

查询数据集

分类和汇总数据

对列进行操作

指定数据类型

数据清洗

数据可视化

一、安装与数据介绍

pandas的安装建议直接安装anaconda，会预置安装好所有数据分析相关的包，当然也可以使用pip安装。

$

既然是数据分析就肯定选择jupyter notebook

$ pip install jupyter

接下来就可以进入python使用pandas对数据进行一些探索性的分析，将数据保存在工作目录，然后使用pd.read_csv()函数读取。

>>> import pandas as pd>>> nba = pd.read_csv("nba_all_elo.csv")>>> type(nba)

再看看一共有多少数据

>>> len(nba)126314>>> nba.shape(126314, 23)

现在我们知道数据集中有126,314行和23列。但是，如何确定数据集包含NBA的哪些统计数据？可以使用以下内容查看前五行.head()：

>>> nba.head()

image

在jupyter notebook中可以看到，一共有23列变量，其中因为列数太多被隐藏了一部分，那么怎样可以看到这些变量呢

>>> pd.set_option("display.max.columns", None)

可以看到部分数据小数点后面跟了6位，而对于分析来说并没有必要，所以我们调整为小数点后两位

>>> pd.set_option("display.precision", 2)

检查数据

之前已经使用Pandas Python库导入了CSV文件，并首先查看了数据集的内容。到目前为止，我们仅看到了数据集的大小及前几行数据。接下来我们来系统地检查数据。

使用以下命令显示所有列及其数据类型.info()：

>>> nba.info()

image

既然已经了解了数据集中的数据类型，现在该概述每个列包含的值了。可以使用.describe()：

>>> nba.describe()

image

.describe()默认情况下仅分析数字列，但是如果使用include参数，则可以提供其他数据类型：

>>> import numpy as np>>> nba.describe(include=np.object)

探索性分析

接下来接着进行对数据集的探索性相关分析

>>> nba["team_id"].value_counts()BOS 5997NYK 5769LAL 5078...SDS 11>>> nba["fran_id"].value_counts()Name: team_id, Length: 104, dtype: int64Lakers 6024Celtics 5997Knicks 5769...Huskies 60Name: fran_id, dtype: int64

可以看到含有队名"Lakers"的队伍打了6024场比赛，但其中只有5078场是洛杉矶湖人队的比赛。找出另一个"Lakers"团队是哪个

>>> nba.loc[nba["fran_id"] == "Lakers", "t