Python自动化办公（pandas） （自用11——20）

十一，叠加水平柱状图

1. 准备

①users['Total']=users['Oct']+users['Nov']+users['Dec'] #加和，Total=Oct+Nov+Dec

②barh #横向柱状图

③stacked=True #stacked"（堆叠，即不同数据纵向堆在一起）

④plt.tight_layout() #显示完整

2.代码

import pandas as pd
import matplotlib.pyplot as plt

users = pd.read_excel('文件位置/11.xlsx')
users['Total']=users['Oct']+users['Nov']+users['Dec']
users.sort_values(by='Total',inplace=True,ascending=True)
print(users)

users.plot.barh(x='Name', y=['Oct', 'Nov', 'Dec'],stacked=True,title='User Behavior')
plt.tight_layout()
plt.show()

十二，饼图

1. 准备

①index_col 默认值（index_col = None）——重新设置一列成为index值

②counterclock=False #顺时针

③ylabel #y轴的标题

2.代码

import pandas as pd
import matplotlib.pyplot as plt
students=pd.read_excel('文件位置12.xlsx',index_col='From')

print(students)

students['2017'].plot.pie(fontsize=8,counterclock=False)
plt.title('Source of International Students',fontsize=18,fontweight='bold')
plt.ylabel('2017',fontsize=12,fontweight='bold')
plt.show()

十三，折线趋势图，叠加区域图

1. 准备

①y=['Accessories','Bikes', 'Clothing', 'Components'] #折线图的数值

②plt.xticks(weeks.index,fontsize=8) #xt = xticks 以向量形式返回当前 x 轴刻度值。

2.代码

import pandas as pd
import matplotlib.pyplot as plt
weeks=pd.read_excel('文件位置/13.xlsx',index_col='Week')
print(weeks)

print(weeks.columns)
weeks.plot(y=['Accessories','Bikes', 'Clothing', 'Components'])
# weeks.plot.bar(y=['Accessories','Bikes', 'Clothing', 'Components'],stacked=True)
plt.title('Sales Weekly Trend',fontsize=16,fontweight='bold')
plt.ylabel('Total',fontsize=12,fontweight='bold')
plt.xticks(weeks.index,fontsize=8)
plt.show()

十四，散点图，直方图（代码同十五）

1. 准备

①pd.options.display.max_columns=777 #显示最大列数

②scatter #scatter(x,y) 在向量 x 和 y 指定的位置创建一个包含圆形的散点图

③print(homes.corr()) #两列两列之间的相关性

2.代码

import pandas as pd
import matplotlib.pyplot as plt
pd.options.display.max_columns=777
homes=pd.read_excel('文件位置/14.xlsx')
print(homes)

homes.plot.scatter(x='sqft_living',y='price')
homes.price.plot.hist(bins=100)
plt.xticks(range(0,max(homes.price),100000),fontsize=8,rotation=90)
homes.sqft_living.plot.kde()
plt.xticks(range(0,max(homes.sqft_living),500),fontsize=8,rotation=90)
plt.show()

print(homes.corr()) #两列两列之间的相关性

十五，密度图，数据相关图（代码同十四）

1. 准备（同十四）

2.代码

import pandas as pd
import matplotlib.pyplot as plt
pd.options.display.max_columns=777
homes=pd.read_excel('文件位置/14.xlsx')
print(homes)

homes.plot.scatter(x='sqft_living',y='price')
homes.price.plot.hist(bins=100)
plt.xticks(range(0,max(homes.price),100000),fontsize=8,rotation=90)
homes.sqft_living.plot.kde()
plt.xticks(range(0,max(homes.sqft_living),500),fontsize=8,rotation=90)
plt.show()

print(homes.corr()) #两列两列之间的相关性

十六，多表联合

1. 准备

①on #指定ID作为join,把merge换成join的话，join可以自己拿index作为索引，就不用on

②type() 返回参数的数据类型

dtype 返回数组中元素的数据类型

astype() 对数据类型进行转换

2.代码

import pandas as pd

students = pd.read_excel('文件位置/1601.xlsx', sheet_name='Students')
scores = pd.read_excel('文件位置/1601.xlsx', sheet_name='Scores')

table = students.merge(scores, how='left', on='ID').fillna(0)  # 指定ID作为join,把merge换成join的话，join可以自己拿index作为索引，就不用on
table.Score = table.Score.astype(int)
print(table)

十七，数据校验

1. 准备

①

try:

assert 0<=row.Score<=100

except:

print(f'#{row.ID}student{row.Name} has an invalid score {row.Score}') #数据抛出

2.代码

    try:
         assert 0<=row.Score<=100
    except:
        print(f'#{row.ID}student{row.Name} has an invalid score {row.Score}')

十八，把一列分为两列

1. 准备

①df=employees['Full Name'].str.split(expand=True) #把Full Name分开，默认空格，分开没有数量要求

②df[0] #这个分开的值在前面

2.代码

import pandas as pd

employees = pd.read_excel('文件位置/18.xlsx', index_col='ID')
df=employees['Full Name'].str.split(expand=True)
employees['First Name']=df[0]
employees['List Name']=df[1]
print(employees)

十九，求和求平均值

1. 准备

①axis=1为横向 temp.sum(axis=1) #横向求和

②python中求平均值的方法 mean

2.代码

import pandas as pd

students = pd.read_excel('文件位置/19.xlsx', index_col='ID')

temp=students[['Test_1','Test_2','Test_3']]
# result=temp.sum()
row_sum = temp.sum(axis=1)
row_mean = temp.mean(axis=1)
students['Total']=row_sum
students['Average']=row_mean


col_mean=students[['Test_1','Test_2','Test_3','Average']].mean()
col_mean['Name']='Summary'
students=students.append(col_mean,ignore_index=True)
print(students)

二十，定位消除重复数据

1. 准备

①subset='Name' #这个是通过Name这一列查找重复值

② duplicated() #返回布尔型数据，告诉重复值的位置 #确定有没有重复值，有就是返回True

③print(students.iloc[dupe.index]) #即对数据进行位置索引，从而在数据表中提取出相应的数据。

2.代码

import pandas as pd

students = pd.read_excel('文件位置/20.xlsx')
# students.drop_duplicates(subset='Name',inplace=True,keep='first')
# print(students)

dupe=students.duplicated(subset='Name')
dupe=dupe[dupe==True]
print(students.iloc[dupe.index])