pandas库学习实验报告

一、实验目的

1.理解python语言中pandas库的各函数作用；
2.掌握pandas库中常用函数，能够用其解决实际问题；

二、实验内容

用pandas库中函数完成对数据过滤与排序的操作，内容包括但不限于：
（1）读取数据(2012欧洲杯数据)
（2）打印数据集完整摘要
（3）任选3不同列存入一个dataframe数据类型中并输出
（4）分别求出每个球队拿到的红牌数、黄牌数的平均值
（5）找到进球数Goals超过6个的球队数据
（6）选取展示前n列数据
（7）选取以字母G开头的球队数据
（8）选取展示除了最后3列之外的全部列数据
（9）找到英格兰(England)、意大利(Italy)和俄罗斯(Russia)的射正率(Shooting Accuracy)
（10）求所有球队的进球总数(Goals)和失球总数(Goals conceded)
（11）对球队的进球数进行排序
可能会用到的pandas库中的数据结构及函数：dataframe、read_csv、head、series.str.startswith、iloc、isin、sum、sort_values
根据课堂上对该问题的描述和分析，自行完成程序设计并实现，要求算法描述准确且程序运行正确。

三、设计与实现

详细描述设计过程、关键问题的实现方法及算法的分析说明。
1、读取数据，通过read_csv读取2012年欧洲杯csv文件；
2、打印数据，通过head打印数据集前五行内容，通过info打印DataFrame的简单摘要，显示有关DataFrame的信息，包括索引的数据类型dtype和列的数据类型dtype，非空值的数量和内存使用情况；
3、通过DataFrame构建一个表格型的数据结构，这里选取数据集中的’Team’, ‘Shots on target’, ‘Shots off target’三列；
4、将数据集中的列Team,Yellow Cards和Red Cards拿出来，单独存为一个名叫discipline的数据框，通过sort_values对数据框discipline按照先Red Cards再Yellow Cards的原则从大到小进行排序，ascending表示是否升序排序，默认为true，降序则为false，再利用mean对Yellow Cards，Red Cards两列求平均值，round表示四舍五入，没有参数时表示取整；
5、先找出数据集中进球数Goals大于6的数据，满足条件时返回True，不满足条件时返回False，在打印满足条件的球队数据；
6、iloc索引器用于按位置进行基于整数位置的索引或者选择。可以选择多行多列，iloc[:,0:3]表示选取所有行，前三列的数据进行展示；
7、startswitch()用于检测字符串是否以指定字符串开头。如果是则返回True，否则返回False。先找出数据集中的Team的数据，再找出以G开头的球队数据；
8、同理6，iloc[: , :-3]表示选取所有行以及从第一列开始到倒数第四列的所有数据；
9、loc不仅可以输入数字也可以直接输入column的名字，需要注意的是先行后列，isin是series中的一个函数，用于查看某列中是否包含某个字符串，返回值为布尔Series，来表明每一行的情况。这里首先可以通过isin判断Team列中是否包含’England’, ‘Italy’, ‘Russia’三个字符，从而选出这三列作为loc的行，再找出’Team’,'Shooting Accuracy’这两列打印输出，从而可得到英格兰(England)、意大利(Italy)和俄罗斯(Russia)的射正率(Shooting Accuracy)；
10、找出数据集中Goals和Goals conceded这两列数据，利用sum分别进行求和；
11、利用sort_values进行排序，参数by表示通过Goals进行排序。

四、测试与分析（附测试用例，运行结果截图等）

如上图，head()可以看出数据集前五行信息，每行信息有35列。Info()打印DataFrame的简单摘要，显示有关DataFrame的信息，包括索引的数据类型dtype和列的数据类型dtype，非空值的数量和内存使用4.5+KB；

如上图，选取数据集中的’Team’, ‘Shots on target’, 'Shots off target’三列，构建一个DataFrame的数据结构，进行打印。

如上图，黄牌数的平均值为7，红牌数的平均值为0，进球数超过6的队伍有两支Germany和Spain，进球数分别为10和12。

如上图，展示了数据集中前三列的数据和除了最后三列所有列的数据。

如上图，球队以“G”开头的分别是Germany和Greece；England的射击准确率为50.0%，Itaty的射击准确率为43.0%，Russia的射击准确率为22.5%；所有球队的进球数相加为76，失球数相加为76。

如上图，对进球数按照从小到大的顺序进行排序，最少为Republic of Ireland进一个球，最多为Spain进12个球。

五、设计技巧及体会

1．实验过程中遇到的问题及解决办法；
问题：对函数的应用不熟练；对于iloc和loc函数的区分不清楚，对于代码设计的过程需要大量的思考。
解决办法：对之前学习的知识进行整理回顾，在分析实验要求时，一步一步理清思路，对一些数据分析案例进行学习，从而满足本实验的需求。
2．对设计进行评价（优点与不足）；
优点：基本完成实验要求，掌握了pandas中常见的函数，设计过程有条有理，循序渐进，简单明了。
缺点：在完成实验的基础上，应该对其他数据分析的需求进行思考，发现更多的数据规律与应用价值。
3.对设计及调试过程的心得体会；
首先是对于思路的分析，明确目标，需要使用的数据，对数据进行预处理，需要使用的到的函数，了解函数对应的参数，其次，在完成实验要求的基础上，保证代码简洁，适当添加注释进行说明，然后对于Python库的学习不能停留在简单的掌握，课下还需进行深入的自主学习，最后一点，就是多练习多敲代码，只有真正的将学到的知识，应用到实际中，完成数据分析，才能真正掌握。
4.思考对原实验方案的改进，写出改进思路。
可将代码分步完成，虽然繁琐，但是可以直观的看出每个函数返回的数据；应用其他数据集解决实际问题。

六、附源代码

import pandas as pd
# 1、读取数据
euro= pd.read_csv("Euro2012_stats.csv")
# 2、打印数据集完整摘要
print(euro.head()) #前五行信息
print(euro.info()) #数据集标签
# 3、任选3不同列存入一个dataframe数据类型中并输出
neweuro= pd.DataFrame(euro, columns=['Team', 'Shots on target', 'Shots off target'])
print(neweuro)
# 4、分别求出每个球队拿到的红牌数、黄牌数的平均值
discipline=euro[['Team','Yellow Cards','Red Cards']]
discipline.sort_values(['Red Cards', 'Yellow Cards'], ascending = False)
print("黄牌数的平均值",round(discipline['Yellow Cards'].mean()))
print("红牌数的平均值",round(discipline['Red Cards'].mean()))
# 5、找到进球数Goals超过6个的球队数据
print(euro[euro['Goals']>6])
# 6、选取展示前n列数据
print(euro.iloc[:,0:3] )
# 7、选取以字母G开头的球队数据
print(euro[euro.Team.str.startswith('G')])
# 8、选取展示除了最后3列之外的全部列数据
print(euro.iloc[: , :-3])
# 9、找到英格兰(England)、意大利(Italy)和俄罗斯(Russia)的射正率(Shooting Accuracy)
print(euro.loc[euro.Team.isin(['England', 'Italy', 'Russia']), ['Team','Shooting Accuracy']])
# 10、求所有球队的进球总数(Goals)和失球总数(Goals conceded)
print("所有球队的进球总数(Goals)为: ", euro["Goals"].sum())
print("所有球队的失球总数(Goals conceded)为: ", euro["Goals conceded"].sum())
# 11、对球队的进球数进行排序
print(euro.sort_values(by="Goals"))