python学习_day8---数据分析pandas(DF、Series)+统计分析函数

最新推荐文章于 2023-11-30 15:03:23 发布
最新推荐文章于 2023-11-30 15:03:23 发布
阅读量850 收藏 1
点赞数
分类专栏： python 文章标签： python 数据分析 数据分析
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_45800653/article/details/121603188
版权

文章目录

一、DF的访问–查

1、访问一列

在这里插入图片描述在这里插入图片描述

2、访问多列

在这里插入图片描述

3、访问一行

在这里插入图片描述

4、访问多行

在这里插入图片描述

5、loc & iloc

loc只能使用索引名称 iloc只能使用索引下标

1>借助loc的形式进行访问

stu_df.loc[行信息，列信息] 只能使用行名称 行信息：单个行名称，行名称的列表、行名称的切片 列信息：单个列名称，列名称的列表、列名称的切片

最低0.47元/天 解锁文章
带你飞(｀⌒´メ)
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Python数据分析基础：分组统计并排序。用到：df.groupby()和df.sort_values()
libofsdnu的博客
05-21 297
很多教程把df.groupby()写得非常复杂，咱们以一个实例，用一个比较简单的需求讲讲这东西到底怎么用。
python-数据分析（9-Pandas）
zaibiketaide的专栏
09-16 463
Pandas 9 Pandas 9.1 介绍与安装 Pandas介绍与安装 为什么会有Pandas? Pandas支持大部分Numpy语言风格，尤其是数组函数与广播机制的各种数据处理。但是Numpy更适合处理同质型的数据。而Pandas的设计就是用来处理表格型或异质型数据的，高效的清洗、处理数据。 Pandas是什么？ Pandas是基于Numpy的一种工具，提供了高性能矩阵的运算，该工具是为了解决数据分析任务而创建的。也是贯穿整个Python数据分析非常核心的工具。 Pandas涉及内容 Pandas安
DataFrame如何分组统计？Python数据结构DF怎么分组统计
xiangxueerfei的博客
11-30 893
在python中要将Excel或者是csv这种表格文件里面的数据取出来进行操作时，一般都会选择第三方库Pandas里面的数据结构Dataframe来接收保存数据。而这一篇文章要来讲解的内容就是Dataframe进行分组统计的方法教程，想要了解和学习的就往下继续阅读吧。1.导入pandas库后定义三个变量，变量data中保存的就是需要去进行操作的数据，直接使用列表对象来保存即可。变量index需要接收一个列表，而在列表里面是df表格的行号，元素数量需要和data中的列表数量一致。
python学习——描述统计df.describe
小伟的博客
05-29 3239
pandas库描述统计：对数值型数据、字符型数据进行统计
一文看懂怎么用 Python 做数据分析
程序员小麦的博客
06-28 242
随着大数据和人工智能时代的到来，网络和信息技术开始渗透到人类日常生活的方方面面，产生的数据量也呈现指数级增长的态势，同时现有数据的量级已经远远超过了目前人力所能处理的范畴。在此背景下，数据分析成为数据科学领域中一个全新的研究课题。在数据分析的程序语言选择上，由于Python语言在数据分析和处理方面的优势，大量的数据科学领域的从业者使用Python来进行数据科学相关的研究工作。
pandas python 分组统计的方法
SCUT_Sam
05-17 4万+
首先，看看本文所面向的应用场景：我们有一个数据集df，现在想统计数据中某一列每个元素的出现次数。这个在我们前面文章《如何画直方图》中已经介绍了方法，利用value_counts()就可以实现（具体回看文章） 但是，现在，我们考虑另外一个场景，我们假如要想统计其中两列元素出现次数呢？举个栗子： 在df数据集中，如果我们想统计A、B两列的元素的出现情况，也就是说，得到如下表。 从
北理-Python数据分析与展示-Numpy、Matplotlib、Pandas作业 1+1
08-14
北理-Python数据分析与展示-Numpy、Matplotlib、Pandas作业 numpy作业+Matplotlib作业
Python数据分析与建模库-03数据分析处理库Pandas-4.Series结构
06-13
该视频主要讲述了pandas中的series结构。Series是DataFrame的一个子结构，可以看作是DataFrame中的...最后，视频总结了Series的重要性和在数据分析中的应用。此外，该视频还讲述了在pandas库中，索引的设置和使用方法。
Python数据分析与建模库-03数据分析处理库Pandas-3.常用函数
06-13
该视频主要讲述了如何处理缺失值并计算平均值，以及如何利用pandas库统计不同等级船舱的平均价格，并通过pivot table分析船舱等级对获救几率的影响。首先，视频介绍了当存在缺失值时，如何识别并替换这些值，以便...
python数据分析-数据表读写到pandas
10-07
内容概要：用于数据分析，把常见的csv，excel，json，sql等数据表，读写到pandas，用于大数据分析。...场景类型：学习读取数据表，转换数据类型，python程序样例，读取数据后可用于统计分析，机器学习，AI分析，
Python数据分析与建模库-03数据分析处理库Pandas-01-04合集
最新发布
06-17
Python数据分析与建模库-03数据分析处理库Pandas-1.数据读取：该视频主要讲述了pandas库在数据处理中的重要性。首先介绍了pandas库是基于numpy库封装了一些操作，简化了数据处理过程。 Python数据分析与建模库-03...
Python-科学计算-pandas-16-df与Series数据类型判断
Z的博客
10-30 2639
系统：Windows 7 语言版本：Anaconda3-4.3.0.1-Windows-x86_64 编辑器：pycharm-community-2016.3.2 pandas：0.19.2 这个系列讲讲Python的科学计算及可视化 今天讲讲pandas模块 判断数据是否为DataFrame，或为Series Part 1：背景 当我们使用Df的一些方法时，首先得明确该变量的数据类型是DataFrame，否则有可能会报错 常见错误是，实际数据是一个Series。本文就是说如何识别一个数据是否为D
文件的读写基本操作
范高伦的博客
09-07 1万+
一、文件是计算机中数据持久化存储的表现形式 读写文件标准操作格式1： 1、打开文件：file1 = open('文件名','读写模式') 2、操作文件 3、关闭文件：file1.close() 文件操作完毕后必须关闭，否则长期保持对文件的连接状态，造成内存溢出的现象发生 读写文件操作格式2： # 1、打开文件 file1 = open('demo.txt','w') # 2、操作文件 file1.write('hello world') # 3、关闭文件 file1.close() 1、打开文件：wi
python pandas常用统计函数总结 -- 以及与groupby, pivot_table, describe, crossTab等方法结合使用的比较
weixin_45914452的博客
03-27 4834
python pandas中聚合函数的应用小结 1、常用的统计值相对应的python函数 平均数：np.mean() 总和：np.sum() 最大值：np.max() 最小值：np.min() 方差：np.var() 标准差：np.std() 频次（计数）: np.count() 中位数：np.median() 协方差： np.cov(x, y) 四分位数：describe() – 显示25%, 50%, 75%位置上的数据 2、基本使用方法 – NumPy包计算 3、数据表中的应用 – groupby
python 计算df中每一列/行的非缺失值数量
u_7890的博客
10-25 2万+
df.count() #按照列来数非缺失值的个数 df.count(axis=1) #按照行来数非缺失值的个数 每列缺失值个数 df.shape[0] - df.count()
Python Pandas模块数据统计与分析常用方法！
Pythoncxy的博客
07-12 954
Python资源共享群：484031800 Pandas模块数据统计与分析常用方法 df.describe()：按各列返回基本统计量和分位数 df.count()：计算非NA值的数量，axis=0 按列计算，axis=1 按行计算，默认axis=0。 df.max()：计算最大值，axis=0 按列计算，axis=1 按行计算，默认axis=0。 df.m...
利用Python进行数据分析之pandas
不曾走远的博客
07-23 580
1.层次化索引 层次化索引是pandas的一项重要功能，它使你能在一个轴上拥有多个（两个以上）索引级别。 1 data=Series(np.random.randn(10), 2 index=[['a','a','a','b','b','b','c','c','d','d'], 3 [1,2,3,1,2,3,1,2,2,3]]) 4 5 data 6 Out[6]: 7 a...
map函数python pandas_Python pandas常用函数详解
weixin_30725113的博客
12-29 704
本文研究的主要是pandas常用函数，具体介绍如下。1 import语句import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport datetimeimport re2 文件读取df = pd.read_csv(path='file.csv')参数：header=None 用默认列名，0，1，2，3...na...
python数据分析df_Python数据分析pandas入门！(附数据分析资料)
热门推荐
weixin_39830906的博客
12-19 9万+
Python数据分析pandas入门！(附数据分析资料)1、pandas数据结构之DataFrame+这是小编准备的python数据分析资料！进群：700341555即可获取！Python数据分析pandas入门！(附数据分析资料)DataFrame生成方式：1、从另一个DataFrame创建。2、从具有二维形状的NumPy数组或数组的复合结构生成。3、使用Series创建。4、从CSV之类文件生...
python营业数据分析_小案例-使用python进行销售数据分析
05-21
好的，我们可以采用Python中的pandas和matplotlib库进行营业数据分析。下面我介绍一下具体的实现步骤。 首先，我们需要准备一份销售数据的CSV文件，例如以下示例数据： ``` 日期,商品名称,销售额,销售量 2021-01-01,商品A,1000,10 2021-01-01,商品B,1500,15 2021-01-02,商品A,1200,12 2021-01-02,商品B,1800,18 2021-01-03,商品A,1300,13 2021-01-03,商品B,1900,19 ``` 然后，我们可以使用pandas库将CSV文件读取到数据框中，并进行一些数据清洗和处理。代码如下： ```python import pandas as pd # 读取CSV文件到数据框 df = pd.read_csv('sales_data.csv') # 将日期列转换为datetime类型 df['日期'] = pd.to_datetime(df['日期']) # 添加月份列 df['月份'] = df['日期'].dt.month # 添加销售额/销售量单价列 df['销售额单价'] = df['销售额'] / df['销售量'] df['销售量单价'] = df['销售量'] / df['销售额'] ``` 接着，我们可以使用pandas的聚合函数对数据进行汇总和统计。例如，我们可以按月份汇总销售额和销售量，代码如下： ```python # 按月份汇总销售额和销售量 df_monthly = df.groupby('月份').sum()[['销售额', '销售量']] ``` 然后，我们可以使用matplotlib库绘制图表，例如绘制销售额和销售量的折线图，代码如下： ```python import matplotlib.pyplot as plt # 绘制销售额和销售量的折线图 plt.plot(df_monthly.index, df_monthly['销售额'], label='销售额') plt.plot(df_monthly.index, df_monthly['销售量'], label='销售量') # 添加图表标题和标签 plt.title('销售额和销售量月度趋势') plt.xlabel('月份') plt.ylabel('金额/数量') plt.legend() # 显示图表 plt.show() ``` 最后，我们可以通过对数据框进行筛选和排序，来查找一些有用的信息。例如，我们可以查找销售额单价最高的商品，代码如下： ```python # 查找销售额单价最高的商品 df_top = df.sort_values('销售额单价', ascending=False).head(1) # 输出商品名称和销售额单价 print(f"销售额单价最高的商品是{df_top.iloc[0]['商品名称']}, 单价为{df_top.iloc[0]['销售额单价']:.2f}") ``` 以上就是一个简单的营业数据分析案例，希望对您有所帮助。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值