利用python处理csv文件的基本问题（pandas）

import pandas as pd
import numpy as py
import datetime
import matplotlib.pyplt as plt

 

元数据为最近一周（18.11.20-18.11.27）的每小时空气质量数据。。

#读文件为dataframe
data=pd.read_csv("D:\hello\\air.csv", encoding =' gb2312')  

1：拿到文件我们可以先观察数据的基本信息

print(data.info())  

以上可以看数据的基本信息，列名，数据类型，多少行等信息。

2：查看每一列大概是什么数据，head是前几行数据默认是前五行，你也可以自定义8,10都可以。tail是后几行数据，同理head。
print(data.head()) 

以上让我们对数据有个大概的认知。

3：我们可以查看某一列的具体数据，data[ ],[ ]里面为列名或者字段名（别忘加引号哦）

print(data["AQI指数"] ) 

总之很长啦，截取一部分贴出来。

4：既然看了一列的信息，我们当然也要看一行的信息啦。下面查看某行的信息，可自定义

print(data.loc[2])

我选的第三行的信息。（注意：有个data.iloc()与之类似，具体后面会说到）。嗯，继续

5：刚刚说到查看某列数据，那我们也可以查看多列数据

print(data[["城市","AQI指数","日期"]])

随机截取了三列的数据。看了多列，多行也要写出来。。

6：看了多列，多行写出来了。。

print(data.loc[4:10])

 

选取了第5到11行的数据。

好了，上面简单的介绍了行行列列的数据操作。下面继续说点别的呀！

 

7：我想看看 这一周空气质量级别每个类型各有多少小时？

print(data["空气质量级别"].value_counts()) 

哈哈哈，很棒哦。一下就统计出来了，级别优良的时长可还行？？？

8：再来看一个类似的。。。看看本周首要污染物每个类型共占据了多久？

print(data.groupby("首要污染物").size())

PM2.5。。。！！一周之内检测的细微颗粒物，PM2.5有88个小时哦。。

9:下面我在看一周之内，每个小时AQI指数一共多少？

data["hour"]=None
li=[]
for i in data["日期"]:
    i=datetime.strptime(i, "%Y-%m-%d %H:%M:%S")
    li.append(i.hour)
data["hour"]=li
print(data["AQI指数"].groupby(data["hour"]).sum())

 

篇幅原因，截取了0-12.的数据，貌似看不出什么。。。下面我们把图画出来可以清晰看到呈现什么特点。。

10：开始画图，简单的曲线图，两行即可展现。。

A_H=data["AQI指数"].groupby(data["hour"]).sum()
A_H.plot()
plt.show()

横坐标时间点，纵坐标是小时的AQI指数和。看看曲线大概7.开始上升，到9.左右达到高峰，然后慢慢下降；13.是最低峰；15.开始指数又开始急剧上升，到18.达到高峰。

这个应该可以片面反应AQI指数和人们的出行有关吧。上班高峰，污染指数相对就高一些；低峰就相对低一些。面对污染越来越严重的现在，嗯，大家还是要多乘坐公共交通工具。

 

这个就写这么多吧，知识是无穷的，明天继续努力。。。。。