python

箱线图

箱线图（box plot）: 可视化基本的统计数据，如离群值、最小/最大值，四分位值等

• 更多详细的讲解请点击这个链接

In [42]:

data.boxplot(column=['Attack','Defense'])
plt.show()

# 动手实践一下
data.boxplot(column=['Attack','Defense'])
plt.show()

In [43]:

# 加入分类数据列‘Legendary’
data.boxplot(column='Attack',by='Legendary')
plt.show()

重塑数据

我们使用melt()函数来转换数据的行列。

参数：

• pandas.melt(frame, id_vars=None, value_vars=None, var_name=None, value_name='value', col_level=None)
• frame:要处理的数据集。
• id_vars:不需要被转换的列名。
• value_vars:需要转换的列名，如果剩下的列全部都要转换，就不用写了。
• var_name和value_name是自定义设置对应的列名。

我们直接看下面的示例来理解melt()。

In [44]:

# 从pokemon数据中创建一组新的数据
data_new = data[10:15]    # 取10-14行共5行数据来构建新数据表
data_new

Out[44]:

	#	Name	Type 1	Type 2	Total	HP	Attack	Defense	Sp. Atk	Sp. Def	Speed	Generation	Legendary
10	8	Wartortle	Water	NaN	405	59	63	80	65	80	58	1	False
11	9	Blastoise	Water	NaN	530	79	83	100	85	105	78	1	False
12	9	BlastoiseMega Blastoise	Water	NaN	630	79	103	120	135	115	78	1	False
13	10	Caterpie	Bug	NaN	195	45	30	35	20	20	45	1	False
14	11	Metapod	Bug	NaN	205	50	20	55	25	25	30	1	False

In [45]:

# 使用一下melt()函数
# frame：要处理的数据集
# id_vars：不需要被转换的列名
# value_vars ：需要转换的列名
melted = pd.melt(frame=data_new,id_vars = 'Name', value_vars= ['Attack','Defense'])
melted

Out[45]:

	Name	variable	value
0	Wartortle	Attack	63
1	Blastoise	Attack	83
2	BlastoiseMega Blastoise	Attack	103
3	Caterpie	Attack	30
4	Metapod	Attack	20
5	Wartortle	Defense	80
6	Blastoise	Defense	100
7	BlastoiseMega Blastoise	Defense	120
8	Caterpie	Defense	35
9	Metapod	Defense	55

数据透视表

pivot()函数根据列值重塑数据，生成“数据透视表”。

参数：

• DataFrame.pivot_table(index=None, columns=None, values=None)
• index: 重塑的新表的索引名称是什么
• columns：重塑的新表的列名称是什么
• values: 生成的新列中的值是什么

看起来可能有点迷惑，我们直接看下面的例子

In [46]:

# 我希望能根据上面的'melted'数据表生成一张新表
# 新表可以显示口袋妖怪的名字，及对应的防御值和攻击值

# 设置index为'Name'
# 设置columns为'variable'
# 设置values为value

# 看一看新的数据表是否按照我们的想法显示
melted.pivot(index = 'Name', columns = 'variable',values='value')

Out[46]:

variable	Attack	Defense
Name
Blastoise	83	100
BlastoiseMega Blastoise	103	120
Caterpie	30	35
Metapod	20	55
Wartortle	63	80

数据连接

接下来我们学习如何将两个dataframe连接在一起。

In [47]:

# 首先生成两个新的dataframe
data1 = data.head(3)
data2= data.tail(3)
# 使用comcat()函数将两个表拼接在一起
conc_data_row = pd.concat([data1,data2],axis =0,ignore_index =True) # axis = 0 : 行拼接，即纵向拼接
conc_data_row

后面就靠大家自己操作啦，多研究研究会有成长滴。