人口案例分析
导入文件
数据集合并-根据共有元素
核对数据是否有缺失值–两种方法
去重–unique()
**将数据集中的空值补上正确的值(不同空值所补值不同)
**
query()函数
排序–对指定索引排序
政治献金
数据处理
–数据读取–是否缺失–统计学概要describe()–空值填充–异常值处理
新建候选人所在党派
①建立字典–作为映射基础
②使用map函数做映射–map函数
③统计每个党派出现的次数–value_counts()–计算传入参数中各种元素的个数
④收到政治献金总额计算–分组函数groupby(by=’’)
⑤map函数的应用
总结:常用函数
pd.read_csv()读文件
df.merge()合并表
df.describe()统计学属性
df.loc[]取出其中为True的行数据
df.drop(labels=,axis=)删除某列,axis0和1相反,1为列,0为行
df.sort_value(by=’’)依据某索引排序
df.info()表属性
df.groupby()分组函数
df.unique()去重函数
df.map()映射函数
df.value_counts()计算series中各元素出现次数
df.query()条件查找函数,里面为字符串语句