《Python数据分析与应用》第4章Pandas统计分析（2） 实训部分

最新推荐文章于 2022-03-16 16:20:08 发布
最新推荐文章于 2022-03-16 16:20:08 发布
阅读量6.9k 收藏 72
点赞数 8
文章标签： 数据分析 python 数据挖掘
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_47572370/article/details/122912974
版权

《Python数据分析与应用》第4章Pandas统计分析（2） 实训部分（源于大学课程python数据分析）

实训3 使用分组聚合方法进一步分析用户信息更新表和登录信息表

1.根据read_csv提出数据
在这里插入图片描述
2.使用groupby方法对用户信息更新表和登录信息表进行分组
在这里插入图片描述
在这里插入图片描述
3.使用agg方法求取分组后的最早和最晚更新既登录时间
3.1 agg方法提取最早和最晚更新时间
在这里插入图片描述
在这里插入图片描述
3.2 agg方法提取最早和最晚登录时间
在这里插入图片描述在这里插入图片描述
4.使用size方法求取分组后的数据的信息更新次数与登录次数
在这里插入图片描述
在这里插入图片描述

实训4 对用户信息更新表和登录信息表进行长宽表转换

1.使用pivot_table函数进行长宽表转换
1.1利用pivot_table函数制作有关用户信息更新的透视表
在这里插入图片描述
1.2利用pivot_table函数制作有关用户信息登录的透视表
在这里插入图片描述
2.使用crosstab方法进行长宽表转换
2.1 利用crosstab方法制作有关用户信息更新的交叉表
利用组别划分，统计不同用户信息更新内容的信息更新时间的频数
在这里插入图片描述
2.2利用crosstab方法制作有关用户信息登录的交叉表
利用组别划分，统计不同用户类别的信息登录时间的频数
在这里插入图片描述

freetozn
关注
  • 8
    点赞
  • 踩
  • 72
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
《python数据分析与应用》第四章：pandas统计分析基础
qq_44883214的博客
08-20 6203
第四章 4.1 读写不同数据源的数据 4.1.1 读/写数据库数据 1.数据库数据读取：read_sql、read_sql_table和read_sql_query 2.数据库数据存储：to_sql 4.1.2 读/写文本文件 1.文本文件读取 read_table读取文本文件，read_csv读取CSV文件 2.文本文件存储：to_csv 4.1.3 读/写Excel文件 1.Excel文件读取...
《Python数据分析与应用》教学课件04pandas数据处理.pdf
06-22
《Python数据分析与应用》教学课件04pandas数据处理.pdf《Python数据分析与应用》教学课件04pandas数据处理.pdf《Python数据分析与应用》教学课件04pandas数据处理.pdf《Python数据分析与应用》教学课件04pandas数据处理.pdf《Python数据分析与应用》教学课件04pandas数据处理.pdf《Python数据分析与应用》教学课件04pandas数据处理.pdf
《利用python进行数据分析》读书笔记
Nicole的博客
04-17 564
《利用python进行数据分析》读书笔记--第四章 numpy基础：数组和矢量计算第四章 Numpy基础：数组和矢量计算第一部分：numpy的ndarray:一种多维数组对象实话说，用numpy的主要目的在于应用矢量化运算。Numpy并没有多么高级的数据分析功能，理解Numpy和面向数组的计算能有助于理解后面的pandas.按照课本的说法，作者关心的功能主要集中于：用于数据整理和清理、子集构造和过...
NumPy基础 -- 4. 用于数组的文件输入输出
脚踏实地，仰望星空
03-27 472
1. 以二进制格式保存到磁盘 np.save和np.load是读写磁盘数组数据的两个主要函数。 默认情况下，数组是以未压缩的原始二进制格式保存在扩展名为.npy文件中。arr = np.arange(10) np.save('some_array', arr) np.load('some_array.npy')
Python数据分析之第四章
u013004700的专栏
07-18 470
1、网页数据抓取 name age Mon 22 LIlt 223          import urllib.request; from bs4 import BeautifulSoup; response = urllib.request.urlopen('file:///D:/nodepad/Notepad++/uc.html'); html=res...
第四章 Python数据分析－描述性分析
weixin_30666943的博客
09-01 140
Python基础统计 统计函数：describe() 常用的统计指标函数： 统计函数 注释 （@数据分析－jacky） size 计算 sum 求和 mean 平均值 var 方差 std 标准差 转载于:https://www.cnblogs.com/...
《Python数据分析与应用》实验二 pandas统计分析基础.pdf
10-26
"Python 数据分析与应用实验二 pandas 统计分析基础" 本实验主要介绍了使用 pandas 库进行统计分析的基础知识，涵盖了数据读取、描述性统计、数据提取、数据索引等方面的知识点。 1. 数据读取：使用 pandas 的 ...
《Python数据分析与应用》实验二 pandas统计分析基础.docx
04-05
Python 数据分析与应用 - pandas 统计分析基础 在本实验中，我们将使用 Python 的 pandas 库对 mtcars 数据集进行统计分析。mtcars 数据集包含了 32 条记录，11 个变量，分别是 mpg（油耗）、cyl（气缸数）、disp...
Python数据分析与应用（基础版V2) (4).rar
01-15
主要是numpy和pandas的常用操作
学习笔记 | 《从零开始学python数据分析》| 第3章 pandas入门和实战1
12-22
第3章 pandas入门和实战 3.1 pandas数据结构 pandas有两个基本的数据结构：Series和DataFrame。 3.1.1 创建Series数据 Series数据结构类似于一维数组，但它是由一组数据(各种Numpy数据类型)和一组对应的索引组成。...
Python数据分析与应用，实训数据
06-07
Python数据分析与应用，实训数据
数据分析与应用习题答案
04-02
Python数据分析与应用习题答案（黄红梅，张良君为主编）
《利用Python进行数据分析》第四章：NumPy_数组与向量化计算 知识点总结
weixin_43689820的博客
05-15 340
文章目录4.1 NumPy ndarray:多维数组对象创建ndarray的数据类型向量化：数组算术基础索引与切片布尔索引bool算数运算符神奇索引数组转置和换轴4.2 通用函数：快速的逐元素数组函数4.3 使用数组进行面向数组编程将条件逻辑作为数组操作：where方法数学和统计方法any() all()排序sort()unique()in1d()4.5 线性代数点乘numpy.linalg4.6 伪随机数生成 导入NumPy：import numpy as np 4.1 NumPy ndarray:多维数
利用python进行数据分析第四章学习笔记
louissssss6的博客
03-09 282
Numpy基础 基础功能： 1.ndarray，一个具有矢量运算和复杂广播能力的快速且节省空间的多维数组。 2，用于对整组数据进行快速运算的标准数学函数（无需编写循环）。 3，用于读写磁盘数据的工具以及用于操作内存映射文件的工具。 4，线性代数，随机数生成以及傅里叶变换。 5，用于集成C、C++、Fortran等语言编写的的代码A C API。 import numpy as np data = ...
Python数据分析与挖掘实战第四章笔记之数据预处理
qq_41775711的博客
05-30 919
# 数据预处理：包括数据的清洗，数据集成，数据变化和数据规约。 # 数据清洗主要是删除原始数据集中的无关数，重复数据，平滑噪声数据，筛选掉与挖掘主题无关的数据，处理缺失值，异常值等 # 缺失值的处理：删除记录，数据插补和不处理三种方法。 # 数据插补方法：1、均值、中位数、众数插补；2、使用固定值插补：将缺失的属性值用一个常量进行替换；3、最近临插补：在记录中找到与缺失样本最接近的样本的该属性值进...
《Python数据分析与应用》第2章 Numpy数值计算基础 实训部分
weixin_47572370的博客
02-12 3322
《Python数据分析与应用》第2章 Numpy数值计算基础 实训部分（源于大学课程python数据分析） 实训一 创建数组并进行运算 （1）创建一个数值范围为0-1，间隔为0.01的数组； （2）创建100个服从正态分布的随机数； （3）对创建的两个数组进行四则运算；（加减乘除运算） （4）对创建的随机数组进行简单的统计分析。（总和、均值、标准差、方差、最小值、最大值、最小值的索引、最大值的索引、累计和、累计积） 实训二 创建一个国际象棋的棋盘 （1）创建一个8×8矩阵； （2）把1、
python数据分析与可视化（第2版）——2.7本章实训
大数据
03-16 4700
2.7本章实训 #读取数据 import csv f=open("D:\python test\white_wine.csv","r") reader=csv.reader(f) content=[] for row in reader: content.append(row) f.close() for i in range(5): print
《利用python进行数据分析》读书笔记--第四章 numpy基础：数组和矢量计算
weixin_33910137的博客
11-27 226
第四章 Numpy基础：数组和矢量计算 第一部分：numpy的ndarray:一种多维数组对象 实话说，用numpy的主要目的在于应用矢量化运算。Numpy并没有多么高级的数据分析功能，理解Numpy和面向数组的计算能有助于理解后面的pandas.按照课本的说法，作者关心的功能主要集中于： 用于数据整理和清理、子集构造和过滤、转换等快速的矢量化运算 常用的数组解法，如排序、...
python数据分析与应用课后实训_python数据分析与应用
weixin_39753260的博客
11-28 1072
python数据分析与应用笔记使用sklearn构建模型1.使用sklearn转换器处理数据import numpy as npfrom sklearn.datasets import load_breast_cancerfrom sklearn.preprocessing import MinMaxScaler #该函数时对数据做标准化处理from sklearn.decomposition ...
python数据分析与应用第五章课后实训
最新发布
05-13
好的，以下是第五章的课后实训题目及答案： 1. 编写一个Python程序，将某个Excel表格中的数据读取出来，并进行简单的数据处理，最后将处理后的数据重新写入到一个新的Excel表格中。 ```python import pandas as pd # 读取Excel表格中的数据 data = pd.read_excel('data.xlsx', sheet_name='Sheet1') # 进行简单的数据处理，例如将“性别”列中的“男”和“女”替换为1和0 data['性别'] = data['性别'].apply(lambda x: 1 if x == '男' else 0) # 将处理后的数据重新写入到一个新的Excel表格中 data.to_excel('processed_data.xlsx', sheet_name='Sheet1', index=False) ``` 2. 编写一个Python程序，读取某个CSV文件中的数据，并进行可视化分析，例如绘制折线图、柱状图、散点图等。 ```python import pandas as pd import matplotlib.pyplot as plt # 读取CSV文件中的数据 data = pd.read_csv('data.csv') # 绘制折线图 plt.plot(data['日期'], data['销售额']) plt.xlabel('日期') plt.ylabel('销售额') plt.title('销售额变化趋势图') plt.show() # 绘制柱状图 plt.bar(data['日期'], data['销售额']) plt.xlabel('日期') plt.ylabel('销售额') plt.title('销售额分布图') plt.show() # 绘制散点图 plt.scatter(data['广告费用'], data['销售额']) plt.xlabel('广告费用') plt.ylabel('销售额') plt.title('广告费用与销售额关系图') plt.show() ``` 3. 编写一个Python程序，读取某个文本文件中的数据，并进行文本分析，例如统计单词数量、分析词频等。 ```python import re # 读取文本文件中的数据 with open('data.txt', 'r') as f: text = f.read() # 统计单词数量 word_count = len(re.findall(r'\b\w+\b', text)) # 分析词频 word_list = re.findall(r'\b\w+\b', text) word_dict = {} for word in word_list: if word in word_dict: word_dict[word] += 1 else: word_dict[word] = 1 # 输出结果 print('单词数量：', word_count) print('词频统计：') for word, count in word_dict.items(): print(word, ':', count) ```

“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

打赏作者

freetozn

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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