Pandas用法大全-实战英超版

最新推荐文章于 2023-05-31 20:32:50 发布

孟德尔的奇妙之旅

最新推荐文章于 2023-05-31 20:32:50 发布

阅读量392

点赞数 1

分类专栏： Python 文章标签：数据分析 python

本文链接：https://blog.csdn.net/weixin_47368580/article/details/116496689

版权

Python 专栏收录该内容

1 篇文章 0 订阅

订阅专栏

Python Pandas 用法总结

学习，从模仿开始，从练习开始，从自己熟悉喜欢的数据开始。

一、生成数据表

1. 引进 pandas

import pandas as pd
import numpy as np
import os
os.chdir('D:\\jupter notebook')

2.导入CSV或者xlsx文件：

# Data1 = pd.read_csv('Data1.xlsx.csv',header=0)
Data1 = pd.read_excel('2020-2021赛季英超第34轮积分.xlsx',sheet_name='积分')
Data1.head(6)

	排名	球队	场次	胜场	平局	负场	进/失球	积分
0	1	曼城	34	25	5	4	71/24	80
1	2	曼联	33	19	10	4	64/35	67
2	3	莱斯特城	34	19	6	9	61/39	63
3	4	切尔西	34	17	10	7	53/31	61
4	5	热刺	34	16	8	10	60/38	56
5	6	西汉姆	33	16	7	10	53/43	55

3、用pandas创建数据表：

Top6 = pd.DataFrame({"排名":[1,2,3,4,5,6], 
 "球队":['曼城', '曼联', '莱斯特城', '切尔西','热刺','西汉姆'],
 "场次":[34, 33, 34, 34,np.nan,33],
 "胜场":[25,19,19,17,16,16],
 "平局":[5,10,6,10,8,7],
  "负场":[4,4,9,7,10,10],
 "进/失球":['71/24','64/35','61/39','53/31','60/38','53/43'],
  "积分":[np.nan,67,63,61,56,55]},
  columns = ['排名', '球队', '场次', '胜场', '平局', '负场', '进/失球', '积分'])
Top6

	排名	球队	场次	胜场	平局	负场	进/失球	积分
0	1	曼城	34.0	25	5	4	71/24	NaN
1	2	曼联	33.0	19	10	4	64/35	67.0
2	3	莱斯特城	34.0	19	6	9	61/39	63.0
3	4	切尔西	34.0	17	10	7	53/31	61.0
4	5	热刺	NaN	16	8	10	60/38	56.0
5	6	西汉姆	33.0	16	7	10	53/43	55.0

二、数据表信息查看

1、维度查看：

Data1.shape

(20, 8)

2、数据表基本信息（维度、列名称、数据格式、所占空间等）：

Data1.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 20 entries, 0 to 19
Data columns (total 8 columns):
 #   Column  Non-Null Count  Dtype 
---  ------  --------------  ----- 
 0   排名      20 non-null     int64 
 1   球队      20 non-null     object
 2   场次      20 non-null     int64 
 3   胜场      20 non-null     int64 
 4   平局      20 non-null     int64 
 5   负场      20 non-null     int64 
 6   进/失球    20 non-null     object
 7   积分      20 non-null     int64 
dtypes: int64(6), object(2)
memory usage: 1.4+ KB

3、每一列数据的格式：

Data1.dtypes

排名       int64
球队      object
场次       int64
胜场       int64
平局       int64
负场       int64
进/失球    object
积分       int64
dtype: object

4、某一列格式：

Data1['积分'].dtype

dtype('int64')

5、空值：

Top6['积分'].isnull()

0     True
1    False
2    False
3    False
4    False
5    False
Name: 积分, dtype: bool

6、查看某一列的唯一值：

Top6['球队'].unique()

array(['曼城', '曼联', '莱斯特城', '切尔西', '热刺', '西汉姆'], dtype=object)

7、查看数据表的值：

Top6.isnull()

	排名	球队	场次	胜场	平局	负场	进/失球	积分
0	False	False	False	False	False	False	False	True
1	False	False	False	False	False	False	False	False
2	False	False	False	False	False	False	False	False
3	False	False	False	False	False	False	False	False
4	False	False	True	False	False	False	False	False
5	False	False	False	False	False	False	False	False

Top6.values

array([[1, '曼城', 34.0, 25, 5, 4, '71/24', nan],
       [2, '曼联', 33.0, 19, 10, 4, '64/35', 67.0],
       [3, '莱斯特城', 34.0, 19, 6, 9, '61/39', 63.0],
       [4, '切尔西', 34.0, 17, 10, 7, '53/31', 61.0],
       [5, '热刺', nan, 16, 8, 10, '60/38', 56.0],
       [6, '西汉姆', 33.0, 16, 7, 10, '53/43', 55.0]], dtype=object)

8、查看列名称：

Data1.columns

Index(['排名', '球队', '场次', '胜场', '平局', '负场', '进/失球', '积分'], dtype='object')

9、查看前5行数据、后5行数据：

Data1.head() #默认前5行数据
Data1.tail()    #默认后5行数据
Data1.head(3)

	排名	球队	场次	胜场	平局	负场	进/失球	积分
0	1	曼城	34	25	5	4	71/24	80
1	2	曼联	33	19	10	4	64/35	67
2	3	莱斯特城	34	19	6	9	61/39	63

三、数据表清洗

1、用数字0填充空值：

Top6.fillna(value=0) #这显然不合理。

	排名	球队	场次	胜场	平局	负场	进/失球	积分
0	1	曼城	34.0	25	5	4	71/24	0.0
1	2	曼联	33.0	19	10	4	64/35	67.0
2	3	莱斯特城	34.0	19	6	9	61/39	63.0
3	4	切尔西	34.0	17	10	7	53/31	61.0
4	5	热刺	0.0	16	8	10	60/38	56.0
5	6	西汉姆	33.0	16	7	10	53/43	55.0

2、通过胜负场计算对NA进行填充：

Top6['积分']=Top6['积分'].fillna(25*3+5*1)# 胜一场3分，平局1分，负场0分。
Top6['场次']=Top6['场次'].fillna(16+8+10)
Top6

	排名	球队	场次	胜场	平局	负场	进/失球	积分
0	1	曼城	34.0	25	5	4	71/24	80.0
1	2	曼联	33.0	19	10	4	64/35	67.0
2	3	莱斯特城	34.0	19	6	9	61/39	63.0
3	4	切尔西	34.0	17	10	7	53/31	61.0
4	5	热刺	34.0	16	8	10	60/38	56.0
5	6	西汉姆	33.0	16	7	10	53/43	55.0

3、更改数据格式：

Top6['积分'].astype ('int')

0    80
1    67
2    63
3    61
4    56
5    55
Name: 积分, dtype: int32

4、更改列名称：

Top6.rename(columns={'排名': '积分排名'})

	积分排名	球队	场次	胜场	平局	负场	进/失球	积分
0	1	曼城	34.0	25	5	4	71/24	80.0
1	2	曼联	33.0	19	10	4	64/35	67.0
2	3	莱斯特城	34.0	19	6	9	61/39	63.0
3	4	切尔西	34.0	17	10	7	53/31	61.0
4	5	热刺	34.0	16	8	10	60/38	56.0
5	6	西汉姆	33.0	16	7	10	53/43	55.0

5、删除重复值（保留首次出现的值）

Top6['胜场'].drop_duplicates()

0    25
1    19
3    17
4    16
Name: 胜场, dtype: int64

6 、删除先出现的重复值：

Top6['胜场'].drop_duplicates(keep='last')

0    25
2    19
3    17
5    16
Name: 胜场, dtype: int64

7、数据替换：

Top6['球队'].replace(['曼城', '曼联', '莱斯特城', '切尔西','热刺','西汉姆'],['蓝月亮', '红魔', '蓝狐', '蓝军','白百合','铁锤帮'])

#s.replace(['?',r'$'],[np.nan,'NA'])#列表值替换
#s.replace({'?':np.nan,'$':'NA'})#字典映射

0    蓝月亮
1     红魔
2     蓝狐
3     蓝军
4    白百合
5    铁锤帮
Name: 球队, dtype: object

四、数据预处理

1、数据表合并

1.1 merge

Top6a=pd.DataFrame({'球队':['曼城', '曼联', '莱斯特城', '切尔西','热刺','西汉姆'], 
                  '绰号':['蓝月亮', '红魔', '蓝狐', '蓝军','白百合','铁锤帮'],
                  '主教练':['瓜迪奥拉','索尔斯克亚','罗杰斯','图赫尔','瑞安-梅森','莫耶斯']} )
Top6a

	球队	绰号	主教练
0	曼城	蓝月亮	瓜迪奥拉
1	曼联	红魔	索尔斯克亚
2	莱斯特城	蓝狐	罗杰斯
3	切尔西	蓝军	图赫尔
4	热刺	白百合	瑞安-梅森
5	西汉姆	铁锤帮	莫耶斯

df_inner=pd.merge(Top6,Top6a,how='inner')  # 匹配合并，交集
df_left=pd.merge(Top6,Top6a,how='left')        #以左侧数据df3 index为合并后index
df_right=pd.merge(Top6,Top6a,how='right')   # #以右侧数据df4 index为合并后index
df_outer=pd.merge(Top6,Top6a,how='outer')  #并集
df_inner

	排名	球队	场次	胜场	平局	负场	进/失球	积分	绰号	主教练
0	1	曼城	34.0	25	5	4	71/24	80.0	蓝月亮	瓜迪奥拉
1	2	曼联	33.0	19	10	4	64/35	67.0	红魔	索尔斯克亚
2	3	莱斯特城	34.0	19	6	9	61/39	63.0	蓝狐	罗杰斯
3	4	切尔西	34.0	17	10	7	53/31	61.0	蓝军	图赫尔
4	5	热刺	34.0	16	8	10	60/38	56.0	白百合	瑞安-梅森
5	6	西汉姆	33.0	16	7	10	53/43	55.0	铁锤帮	莫耶斯

Data1.head(10)

	排名	球队	场次	胜场	平局	负场	进/失球	积分
0	1	曼城	34	25	5	4	71/24	80
1	2	曼联	33	19	10	4	64/35	67
2	3	莱斯特城	34	19	6	9	61/39	63
3	4	切尔西	34	17	10	7	53/31	61
4	5	热刺	34	16	8	10	60/38	56
5	6	西汉姆	33	16	7	10	53/43	55
6	7	利物浦	33	15	9	9	55/39	54
7	8	埃弗顿	33	15	7	11	45/42	52
8	9	阿森纳	34	14	7	13	46/37	49
9	10	阿斯顿维拉	33	14	6	13	48/38	48

1.2 append

LI=pd.DataFrame([7,'利物浦',33,15,9,9,'55/39',54]).T
LI.columns = ['排名', '球队', '场次', '胜场', '平局', '负场', '进/失球', '积分']
LI

	排名	球队	场次	胜场	平局	负场	进/失球	积分
0	7	利物浦	33	15	9	9	55/39	54

Top7 = Top6.append(LI)
Top7

	排名	球队	场次	胜场	平局	负场	进/失球	积分
0	1	曼城	34.0	25	5	4	71/24	80.0
1	2	曼联	33.0	19	10	4	64/35	67.0
2	3	莱斯特城	34.0	19	6	9	61/39	63.0
3	4	切尔西	34.0	17	10	7	53/31	61.0
4	5	热刺	34.0	16	8	10	60/38	56.0
5	6	西汉姆	33.0	16	7	10	53/43	55.0
0	7	利物浦	33	15	9	9	55/39	54

1.3 join

left = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'], 'B': ['B0', 'B1', 'B2', 'B3'],'key': ['K0', 'K1', 'K2', 'K3']})
right = pd.DataFrame({'C': ['C0', 'C1'],'D': ['D0', 'D1']},index=['K0', 'K1'])
left.join(right,on='key')

	A	B	key	C	D
0	A0	B0	K0	C0	D0
1	A1	B1	K1	C1	D1
2	A2	B2	K2	NaN	NaN
3	A3	B3	K3	NaN	NaN

1.4 concat

pd.concat([Top6,LI])

	排名	球队	场次	胜场	平局	负场	进/失球	积分
0	1	曼城	34.0	25	5	4	71/24	80.0
1	2	曼联	33.0	19	10	4	64/35	67.0
2	3	莱斯特城	34.0	19	6	9	61/39	63.0
3	4	切尔西	34.0	17	10	7	53/31	61.0
4	5	热刺	34.0	16	8	10	60/38	56.0
5	6	西汉姆	33.0	16	7	10	53/43	55.0
0	7	利物浦	33	15	9	9	55/39	54

2、设置索引列

Top7.set_index('排名')

	球队	场次	胜场	平局	负场	进/失球	积分
排名
1	曼城	34.0	25	5	4	71/24	80.0
2	曼联	33.0	19	10	4	64/35	67.0
3	莱斯特城	34.0	19	6	9	61/39	63.0
4	切尔西	34.0	17	10	7	53/31	61.0
5	热刺	34.0	16	8	10	60/38	56.0
6	西汉姆	33.0	16	7	10	53/43	55.0
7	利物浦	33	15	9	9	55/39	54

3、按照特定列的值排序：

Top7.sort_values(by=['平局'])

	排名	球队	场次	胜场	平局	负场	进/失球	积分
0	1	曼城	34.0	25	5	4	71/24	80.0
2	3	莱斯特城	34.0	19	6	9	61/39	63.0
5	6	西汉姆	33.0	16	7	10	53/43	55.0
4	5	热刺	34.0	16	8	10	60/38	56.0
0	7	利物浦	33	15	9	9	55/39	54
1	2	曼联	33.0	19	10	4	64/35	67.0
3	4	切尔西	34.0	17	10	7	53/31	61.0

4、按照索引列排序：

Top7.sort_index(axis=1, ascending=False)

	进/失球	负场	胜场	积分	球队	排名	平局	场次
0	71/24	4	25	80.0	曼城	1	5	34.0
1	64/35	4	19	67.0	曼联	2	10	33.0
2	61/39	9	19	63.0	莱斯特城	3	6	34.0
3	53/31	7	17	61.0	切尔西	4	10	34.0
4	60/38	10	16	56.0	热刺	5	8	34.0
5	53/43	10	16	55.0	西汉姆	6	7	33.0
0	55/39	9	15	54	利物浦	7	9	33

5.标记标签

Top7['欧冠区'] = np.where(Top7['排名']< 5,'是','否')
Top7

	排名	球队	场次	胜场	平局	负场	进/失球	积分	欧冠区
0	1	曼城	34.0	25	5	4	71/24	80.0	是
1	2	曼联	33.0	19	10	4	64/35	67.0	是
2	3	莱斯特城	34.0	19	6	9	61/39	63.0	是
3	4	切尔西	34.0	17	10	7	53/31	61.0	是
4	5	热刺	34.0	16	8	10	60/38	56.0	否
5	6	西汉姆	33.0	16	7	10	53/43	55.0	否
0	7	利物浦	33	15	9	9	55/39	54	否

6、对复合多个条件的数据进行分组标记

Top7.loc[(Top7['欧冠区'] == '否') & (Top7['排名'] >=4), '争四球队']='是'
Top7=Top7.fillna('否')
Top7

	排名	球队	场次	胜场	平局	负场	进/失球	积分	欧冠区	争四球队
0	1	曼城	34.0	25	5	4	71/24	80.0	是	否
1	2	曼联	33.0	19	10	4	64/35	67.0	是	否
2	3	莱斯特城	34.0	19	6	9	61/39	63.0	是	否
3	4	切尔西	34.0	17	10	7	53/31	61.0	是	否
4	5	热刺	34.0	16	8	10	60/38	56.0	否	是
5	6	西汉姆	33.0	16	7	10	53/43	55.0	否	是
0	7	利物浦	33.0	15	9	9	55/39	54.0	否	是

五、数据提取

主要用到的三个函数：loc,iloc和ix，loc函数按标签值进行提取，iloc按位置进行提取，ix可以同时按标签和位置进行提取。

1、按索引提取单行的数值

Top7.loc[3]

排名          4
球队        切尔西
场次       34.0
胜场         17
平局         10
负场          7
进/失球    53/31
积分       61.0
欧冠区         是
争四球队        否
Name: 3, dtype: object

2、按索引提取区域行数值

Top7.iloc[0:4]

	排名	球队	场次	胜场	平局	负场	进/失球	积分	欧冠区	争四球队
0	1	曼城	34.0	25	5	4	71/24	80.0	是	否
1	2	曼联	33.0	19	10	4	64/35	67.0	是	否
2	3	莱斯特城	34.0	19	6	9	61/39	63.0	是	否
3	4	切尔西	34.0	17	10	7	53/31	61.0	是	否

3、重设索引

Top7.reset_index()
TOP7=Top7.set_index('球队')
TOP7

	排名	场次	胜场	平局	负场	进/失球	积分	欧冠区	争四球队
球队
曼城	1	34.0	25	5	4	71/24	80.0	是	否
曼联	2	33.0	19	10	4	64/35	67.0	是	否
莱斯特城	3	34.0	19	6	9	61/39	63.0	是	否
切尔西	4	34.0	17	10	7	53/31	61.0	是	否
热刺	5	34.0	16	8	10	60/38	56.0	否	是
西汉姆	6	33.0	16	7	10	53/43	55.0	否	是
利物浦	7	33.0	15	9	9	55/39	54.0	否	是

4、在"球队’索引中提取指定的所有数据

TOP7[:'切尔西']

	排名	场次	胜场	平局	负场	进/失球	积分	欧冠区	争四球队
球队
曼城	1	34.0	25	5	4	71/24	80.0	是	否
曼联	2	33.0	19	10	4	64/35	67.0	是	否
莱斯特城	3	34.0	19	6	9	61/39	63.0	是	否
切尔西	4	34.0	17	10	7	53/31	61.0	是	否

TOP7.loc['切尔西']

排名          4
场次       34.0
胜场         17
平局         10
负场          7
进/失球    53/31
积分       61.0
欧冠区         是
争四球队        否
Name: 切尔西, dtype: object

5、使用iloc按位置区域提取数据

TOP7.iloc[:3,:7] #冒号前后的数字不再是索引的标签名称，而是数据所在的位置。

	排名	场次	胜场	平局	负场	进/失球	积分
球队
曼城	1	34.0	25	5	4	71/24	80.0
曼联	2	33.0	19	10	4	64/35	67.0
莱斯特城	3	34.0	19	6	9	61/39	63.0

6、适应iloc按位置单独提起数据

TOP7.iloc[[1,4,6],[0,6]] #提取第0、2、5行，2、4列

	排名	积分
球队
曼联	2	67.0
热刺	5	56.0
利物浦	7	54

7、判断‘欧冠’列的值

TOP7['欧冠区'].isin(['是'])

球队
曼城       True
曼联       True
莱斯特城     True
切尔西      True
热刺      False
西汉姆     False
利物浦     False
Name: 欧冠区, dtype: bool

8、判断球队列里是否包含曼联和利物浦，然后将符合条件的数据提取出来

Top7.loc[Top7['球队'].isin(['曼联','利物浦'])]

	排名	球队	场次	胜场	平局	负场	进/失球	积分	欧冠区	争四球队
1	2	曼联	33.0	19	10	4	64/35	67.0	是	否
0	7	利物浦	33.0	15	9	9	55/39	54.0	否	是

9、提取进/失球列名字符，并生成数据表

#pd.DataFrame(Top7['进/失球'].str[:2])
TOP7['进/失球'].str.split('/',expand=True)
TOP7['进/失球'].str.split('/',expand=True)[0] #取进球数
TOP7['进/失球'].str.split('/',expand=True)[1] #取失球数

	0	1
球队
曼城	71	24
曼联	64	35
莱斯特城	61	39
切尔西	53	31
热刺	60	38
西汉姆	53	43
利物浦	55	39

六、数据筛选

使用与、或、非三个条件配合大于、小于、等于对数据进行筛选，并进行计数和求和。

1、使用“与”进行筛选

Top7.loc[(Top7['场次'] > 33) & (Top7['欧冠区'] == '是'), ['球队','积分','欧冠区','排名']]

	球队	积分	欧冠区	排名
0	曼城	80.0	是	1
2	莱斯特城	63.0	是	3
3	切尔西	61.0	是	4

2、使用“或”进行筛选

TOP7.loc[(TOP7['场次'] > 34) | (TOP7['欧冠区'] == '是')]

	排名	场次	胜场	平局	负场	进/失球	积分	欧冠区	争四球队
球队
曼城	1	34.0	25	5	4	71/24	80.0	是	否
曼联	2	33.0	19	10	4	64/35	67.0	是	否
莱斯特城	3	34.0	19	6	9	61/39	63.0	是	否
切尔西	4	34.0	17	10	7	53/31	61.0	是	否

TOP7.loc[(TOP7['场次'] > 33) | (TOP7['欧冠区'] == '是'),['积分','欧冠区','排名']]

	积分	欧冠区	排名
球队
曼城	80.0	是	1
曼联	67.0	是	2
莱斯特城	63.0	是	3
切尔西	61.0	是	4
热刺	56.0	否	5

3、使用“非”条件进行筛选

TOP7.loc[(TOP7['欧冠区'] != '是'),['积分','争四球队','排名']]

	积分	争四球队	排名
球队
热刺	56.0	是	5
西汉姆	55.0	是	6
利物浦	54.0	是	7

4、对筛选后的数据按客单价列进行排序以及计数

TOP7.loc[(TOP7['场次'] == 34),['积分','排名']].sort_values(by=['积分'])

	积分	排名
球队
热刺	56.0	5
切尔西	61.0	4
莱斯特城	63.0	3
曼城	80.0	1

5、对筛选后的结果按客单价进行平均值

TOP7.loc[(TOP7['欧冠区'] == '是')].积分.mean()

67.75

七、数据汇总

主要函数是groupby和pivote_table

1、对所有的列进行计数汇总

# df3.groupby('城市').count()
TOP7.groupby('欧冠区').积分.sum()
TOP7.groupby('欧冠区').sum()

	排名	场次	胜场	平局	负场	积分
欧冠区
否	18	100.0	47	24	29	165.0
是	10	135.0	80	31	24	271.0

2、按欧冠区对胜场字段进行求和

Top7.groupby('欧冠区')['胜场'].sum()

欧冠区
否    47
是    80
Name: 胜场, dtype: int64

3、对两个字段进行汇总计数

pd.DataFrame(Top7.groupby(['欧冠区','球队'])['胜场'].sum())  # pd.DataFrame(） 将数据转化为DataFrame格式

		胜场
欧冠区	球队
否	利物浦	15
	热刺	16
	西汉姆	16
是	切尔西	17
	曼城	25
	曼联	19
	莱斯特城	19

4、pivot_table对字段进行汇总

pd.pivot_table(Top7,index=["欧冠区"])
pd.pivot_table(Top7,index=["欧冠区",'场次'])
pd.pivot_table(Top7,index=["争四球队",'场次'])

		平局	排名	积分	胜场	负场
争四球队	场次
否	33.0	10	2.000000	67.0	19.000000	4.000000
否	34.0	7	2.666667	68.0	20.333333	6.666667
是	33.0	8	6.500000	54.5	15.500000	9.500000
是	34.0	8	5.000000	56.0	16.000000	10.000000

pd.pivot_table(Top7,index=["欧冠区"],values=['积分']) #欧冠区与非欧冠区球队 积分平均值
pd.pivot_table(Top7,index=["欧冠区",'场次'],values=['积分'])#欧冠区与非欧冠区球队在不同场次下积分平均值
pd.pivot_table(Top7,index=["欧冠区",'场次'],values=['积分'],aggfunc=np.sum) #欧冠区与非欧冠区球队在不同场次下积分总和

		积分
欧冠区	场次
否	33.0	109.0
否	34.0	56.0
是	33.0	67.0
是	34.0	204.0

pd.pivot_table(Top7,index=["欧冠区"],values=['积分'],columns=["场次"],aggfunc=[np.sum])

	sum
	积分
场次	33.0	34.0
欧冠区
否	109.0	56.0
是	67.0	204.0

八、数据统计

数据采样，计算标准差，协方差和相关系数

1、简单随机数据采样

Top7.sample(n=3)

	排名	球队	场次	胜场	平局	负场	进/失球	积分	欧冠区	争四球队
5	6	西汉姆	33.0	16	7	10	53/43	55.0	否	是
0	7	利物浦	33.0	15	9	9	55/39	54.0	否	是
0	1	曼城	34.0	25	5	4	71/24	80.0	是	否

2、手动设置采样权重

weights = [0,0.2,0, 0, 0, 0.3, 0.5]
Top7.sample(n=3, weights=weights)

	排名	球队	场次	胜场	平局	负场	进/失球	积分	欧冠区	争四球队
5	6	西汉姆	33.0	16	7	10	53/43	55.0	否	是
1	2	曼联	33.0	19	10	4	64/35	67.0	是	否
0	7	利物浦	33.0	15	9	9	55/39	54.0	否	是

3、采样后不放回，不重复取样

Top7.sample(n=6, replace=False)

	排名	球队	场次	胜场	平局	负场	进/失球	积分	欧冠区	争四球队
1	2	曼联	33.0	19	10	4	64/35	67.0	是	否
5	6	西汉姆	33.0	16	7	10	53/43	55.0	否	是
0	1	曼城	34.0	25	5	4	71/24	80.0	是	否
0	7	利物浦	33.0	15	9	9	55/39	54.0	否	是
3	4	切尔西	34.0	17	10	7	53/31	61.0	是	否
2	3	莱斯特城	34.0	19	6	9	61/39	63.0	是	否

4、采样后放回

可重复取样

Top7.sample(n=6, replace=True)

	排名	球队	场次	胜场	平局	负场	进/失球	积分	欧冠区	争四球队
5	6	西汉姆	33.0	16	7	10	53/43	55.0	否	是
3	4	切尔西	34.0	17	10	7	53/31	61.0	是	否
2	3	莱斯特城	34.0	19	6	9	61/39	63.0	是	否
0	7	利物浦	33.0	15	9	9	55/39	54.0	否	是
0	1	曼城	34.0	25	5	4	71/24	80.0	是	否
3	4	切尔西	34.0	17	10	7	53/31	61.0	是	否

5、数据表描述性统计

Top7.describe().round(2).T #round函数设置显示小数位，T表示转置

	count	mean	std	min	25%	50%	75%	max
排名	7.0	4.00	2.16	1.0	2.5	4.0	5.5	7.0
场次	7.0	33.57	0.53	33.0	33.0	34.0	34.0	34.0
胜场	7.0	18.14	3.39	15.0	16.0	17.0	19.0	25.0
平局	7.0	7.86	1.95	5.0	6.5	8.0	9.5	10.0
负场	7.0	7.57	2.64	4.0	5.5	9.0	9.5	10.0
积分	7.0	62.29	9.12	54.0	55.5	61.0	65.0	80.0

6、计算列的标准差

Top7['胜场'].std()

3.387652649872841

7、计算两个字段间的协方差

Top7['胜场'].cov(Top7['积分'])

30.452380952380953

8、数据表中所有字段间的协方差

Top7.cov()

	排名	场次	胜场	平局	负场	积分
排名	4.666667	-0.500000	-6.500000	1.333333	4.666667	-18.166667
场次	-0.500000	0.285714	0.738095	-0.404762	-0.047619	1.809524
胜场	-6.500000	0.738095	11.476190	-3.976190	-6.761905	30.452381
平局	1.333333	-0.404762	-3.976190	3.809524	-0.238095	-8.119048
负场	4.666667	-0.047619	-6.761905	-0.238095	6.952381	-20.523810
积分	-18.166667	1.809524	30.452381	-8.119048	-20.523810	83.238095

9、两个字段的相关性分析

Top7['场次'].corr(top['积分']) #相关系数在-1到1之间，接近1为正相关，接近-1为负相关，0为不相关

0.985284

10、数据表的相关性分析

Top7.corr()

	排名	场次	胜场	平局	负场	积分
排名	1.000000	-0.433013	-0.888201	0.316228	0.819288	-0.921745
场次	-0.433013	1.000000	0.407613	-0.387970	-0.033787	0.371054
胜场	-0.888201	0.407613	1.000000	-0.601358	-0.757013	0.985284
平局	0.316228	-0.387970	-0.601358	1.000000	-0.046265	-0.455941
负场	0.819288	-0.033787	-0.757013	-0.046265	1.000000	-0.853159
积分	-0.921745	0.371054	0.985284	-0.455941	-0.853159	1.000000

九、数据输出

分析后的数据可以输出为xlsx格式和csv格式

1、写入Excel

Top7.to_excel('Top7excel_to_python.xlsx', sheet_name='Top7')

2、写入到CSV

Top7.to_csv('Top7excel_to_python.csv')

孟德尔的奇妙之旅

关注

1
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
Pandas用法大全-实战英超版

Python Pandas 用法总结学习，从模仿开始，从练习开始，从自己熟悉喜欢的数据开始。一、生成数据表1. 引进 pandasimport pandas as pdimport numpy as npimport osos.chdir('D:\\jupter notebook')2.导入CSV或者xlsx文件：# Data1 = pd.read_csv('Data1.xlsx.csv',header=0)Data1 = pd.read_excel('2020-2021赛季英超第34
复制链接

扫一扫