jsp将选择某一行的时候将一行的数据进行传输_pandas学习笔记1-数据分析-项目模块...

项目1：

bikes

#读取文件

import pandas as pd
#读取文件
#pd.read_csv
bikes=pd.read_csv("../Anaconda3/bikes.csv")

运行结果图1

• 如果发现出错类型是UnicodeDecodeError，可能是原来的数据编码出了问题，我们1需要重新改一下编码

import pandas as pd
bikes=pd.read_csv("../Anaconda3/bikes.csv",encoding="latin-1")
bikes.head()

运行结果图2

这里的encoding就实现了对原来的编码的转换

head()函数表示看前几行的数据

#修改参数

import pandas as pd
bikes=pd.read_csv("../Anaconda3/bikes.csv",sep=";",parse_dates=["Date"],
encoding="latin-1",dayfirst=True,index_col="Date")
bikes.head()

• 将列分隔符改成 ;
• 将编码改为 latin1 （默认为 utf-8 ）
• 解析 Date 列中的日期
• 告诉它我们的日期将日放在前面，而不是月
• 将索引设置为 Date
• 这里要注意的是这个是换行符，当一行内字符数多的时候，需要换行

#缺失值删除

#如果某一行的数值全部缺失，才需要扔掉
bikes.dropna(how="all").head()

#填充缺失值

bikes.T.fillna(bikes.T.mean(0)).T.head()

这里用T转置是因为缺失的数据在一列上，如果是在一行，就没有必要转置

#选择数据

比如要选某一列数据

berri_bikes=bikes[["Berri 1"]]
berri_bikes

#按weekday给berri_bikes分组并聚合求平均值

berri_bikes.groupby(berri_bikes.index.weekday).mean()

#查看表格的索引

berri_bikes.index

#查看索引中的weekday

berri_bikes.index.weekday

#增加weekday这一列

berri_bikes.loc[:,"weekday"]=berri_bikes.index.weekday
berri_bikes.head()

#计算不同weekday对应的berri_bikes的平均值

weekday_counts=berri_bikes.groupby("weekday").mean()
weekday_counts

#修改索引值

weekday_counts.index=["Monday","Tuesday","Wednesday","Thursday","Friday","Saturday","Sunday"]
weekday_counts

#绘图

%matplotlib inline
weekday_counts.plot(kind="bar")