python数据分析

python数据分析

读取文件

import pandas as pd
noble=pd.read_csv(‘nobel.csv’)

head参数是显示多少行数据

noble.head()

统计得奖国家最多的是

value_counts()对数据进行分组求和

noble[‘birth_country’].value_counts().head(10)

需要增加一列数据，标记美国获得者为true

noble[‘usa_winner’]=noble[‘birth_country’]==‘United States of America’

读取年份，按照10年为一组

noble[‘decade’]=noble[‘year’]//10*10

对数据进行分组

分组groupby(‘建立群组’)[对哪个对象进行分组，要查询的对象]要做什么

as_index=False 保留原有的列名

prop_usa_winner=noble.groupby(‘decade’,as_index=False)[‘usa_winner’].sum()
prop_usa_winner

可视化

import matplotlib.pyplot as plt

设置画布大小

plt.rcParams[‘figure.figsize’]=[11,7]
plt.plot(prop_usa_winner[‘decade’],prop_usa_winner[‘usa_winner’])

找出诺贝尔女性比例

取出所有诺贝尔女性得住

计算所占比例

计算第一位女性诺贝尔奖得住是哪一年得奖的

noble[‘sex’].value_counts()

计算女性得住年份

新增一列，女性为true，男性为false

noble[‘Female_winner’]=noble[‘sex’]==‘Female’

对数据以10年分组进行求和

prop_Female_winner=noble.groupby(‘decade’,as_index=False)[‘Female_winner’].sum()
prop_Female_winner

plt.plot(prop_Female_winner[‘decade’],prop_Female_winner[‘Female_winner’])

筛选条件，女，1个人,一个女人获得标记为true

noble[‘Female_winner_onlyone’]=(noble[‘sex’]‘Female’)&(noble[‘prize_share’]‘1/1’)

以10年分组，求和

prop_Femal_winner_only=noble.groupby(‘decade’,as_index=False)[‘Female_winner_onlyone’].sum()
prop_Femal_winner_only
plt.plot(prop_Femal_winner_only[‘decade’],prop_Femal_winner_only[‘Female_winner_onlyone’])

找出诺贝尔将的平均年龄

死亡日期-出生日期=年龄

进行可视化

日期是字符串格式，需要转换为时间格式to_datetime(需要转换的数据)

替换现有列

noble[‘birth_date’]=pd.to_datetime(noble[‘birth_date’])

转换后日期不变，格式转换为时间格式

获奖年份-出生日期=获奖年纪

出生日期.dt.year获取到出生年

noble[‘age’]=noble[‘year’]-noble[‘birth_date’].dt.year

绘制对应的散点图，x采用年份，y采用年龄

plt.scatter(noble[‘year’],noble[‘age’])

趋势分析
import seaborn as sns
sns.lmplot(data=noble,x=‘year’,y=‘age’,line_kws={‘color’:‘red’},aspect=2,lowess=True,row=‘category’)