【无标题】

Pandas DataFrame 入门

学习目标

• 掌握DataFrame加载数据文件的方法
• 知道如何加载部分数据
• 知道如何对数据进行简单的分组聚合操作

一、加载数据集

• 做数据分析首先要加载数据，并查看其结构和内容，对数据有初步的了解

  • 查看行，列
  • 查看每一列中存储信息的类型

• Pandas 并不是 Python 标准库，所以先导入Pandas

  import pandas as pd
  

pd.read_csv()加载.csv文件

• 导入Pandas库之后，通过read_csv加载文件

  • 加载CSV文件

    • csv文件 Comma-Separated Values

  df = pd.read_csv('data/movie.csv') # 加载movie.csv文件
  df.head() # 默认展示前5条数据
  

  [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-JAgIzvua-1685291576614)(img/dataframe1.png)]

pd.read_csv(‘’,sep=)加载.tsv文件

• 加载TSV文件
  • tsv文件 Tab-Separated Values
  • sep参数，表示以什么符号分隔数据，默认为 ','，这里设为以'\t'制表符为分隔符

# 参数1 要加载的文件路径，参数sep 传入分隔符，默认是','  '\t'制表符
df = pd.read_csv('data/gapminder.tsv',sep='\t')  
print(df) 
  
df.info()
df.describe()
df.describe().T 列表转置

输出结果

    country continent  year  lifeExp       pop   gdpPercap
0     Afghanistan      Asia  1952   28.801   8425333  779.445314
1     Afghanistan      Asia  1957   30.332   9240934  820.853030
2     Afghanistan      Asia  1962   31.997  10267083  853.100710
3     Afghanistan      Asia  1967   34.020  11537966  836.197138
4     Afghanistan      Asia  1972   36.088  13079460  739.981106
...           ...       ...   ...      ...       ...         ...
1699     Zimbabwe    Africa  1987   62.351   9216418  706.157306
1700     Zimbabwe    Africa  1992   60.377  10704340  693.420786
1701     Zimbabwe    Africa  1997   46.809  11404948  792.449960
1702     Zimbabwe    Africa  2002   39.989  11926563  672.038623
1703     Zimbabwe    Africa  2007   43.487  12311143  469.709298

[1704 rows x 6 columns]

• 可以通过Python的内置函数type查看返回的数据类型

  type(df)
  

  输出结果

  pandas.core.frame.DataFrame
  

  • 每个dataframe都有一个shape属性，可以获取DataFrame的行数，列数

    • 注：shape是属性 不是方法 不可以使用df.shape() 会报错

    df.shape
    

    输出结果

    (1704, 6)
    

  • 可以通过DataFrame的columns属性 获取DataFrame中的列名

    df.columns
    

    输出结果

    Index(['country', 'continent', 'year', 'lifeExp', 'pop', 'gdpPercap'], dtype='object')
    

  • 如何获取每一列的数据类型？

  • 与SQL中的数据表类似，DataFrame中的每一列的数据类型必须相同，不同列的数据类型可以不同

    • 可以通过dtypes属性，或者**info()**方法获取数据类型

      df.dtypes
    

    输出结果

    country       object
    continent     object
    year           int64
    lifeExp      float64
    pop            int64
    gdpPercap    float64
    dtype: object
    

    df.info()
    

    输出结果

    <class 'pandas.core.frame.DataFrame'>
    RangeIndex: 1704 entries, 0 to 1703
    Data columns (total 6 columns):
    #   Column     Non-Null Count  Dtype  
    ---  ------     --------------  -----  
    0   country    1704 non-null   object 
    1   continent  1704 non-null   object 
    2   year       1704 non-null   int64  
    3   lifeExp    1704 non-null   float64
    4   pop        1704 non-null   int64  
    5   gdpPercap  1704 non-null   float64
    dtypes: float64(2), int64(2), object(2)
    memory usage: 80.0+ KB
    

  • Pandas与Python常用数据类型对照（为何64bit？空间换时间）

  Pandas类型	Python类型	说明
  Object	string	字符串类型
  int64	int	整形
  float64	float	浮点型
  datetime64	datetime	日期时间类型，python中需要加载

2 查看部分数据

2.1 根据列名加载部分列数据

• 加载一列数据，通过df[‘列名’]方式获取

  country_df = df['country'] # 取出country列 返回series类型
  #获取数据前5行
  country_df.head()
  

  输出结果

  0    Afghanistan
  1    Afghanistan
  2    Afghanistan
  3    Afghanistan
  4    Afghanistan
  Name: country, dtype: object
  

• 通过列名加载多列数据，通过df[[‘列名1’,‘列名2’,…]]

  • 注意这里是两层[] 可以理解为 df[列名的list]

  subset = df[['country','continent','year']] # 返回dataframe
  #打印后五行数据
  print(subset.tail())
  

  输出结果

  country continent  year
1699  Zimbabwe    Africa  1987
1700  Zimbabwe    Africa  1992
1701  Zimbabwe    Africa  1997
1702  Zimbabwe    Africa  2002
1703  Zimbabwe    Africa  2007

2.2 按行加载部分数据

• loc：通过行索引标签获取指定行数据

  #先打印前5行数据 观察第一列
  print(df.head())
  

  显示结果

         country continent  year  lifeExp       pop   gdpPercap
  0  Afghanistan      Asia  1952   28.801   8425333  779.445314
  1  Afghanistan      Asia  1957   30.332   9240934  820.853030
  2  Afghanistan      Asia  1962   31.997  10267083  853.100710
  3  Afghanistan      Asia  1967   34.020  11537966  836.197138
  4  Afghanistan      Asia  1972   36.088  13079460  739.981106
  

  • 上述结果中发现，最左边一列是行号，这一列没有列名的数据是DataFrame的行索引，Pandas会使用行号作为默认的行索引。
  • 我们可以使用 .loc 方法传入行索引，来获取DataFrame的部分数据（一行，或多行）

  # 获取第一行数据，并打印
  print(df.loc[0])
  

  显示结果

  country      Afghanistan
  continent           Asia
  year                1952
  lifeExp           28.801
  pop              8425333
  gdpPercap        779.445
  Name: 0, dtype: object
  

  #获取第100行数据，并打印
  print(df.loc[99])
  

  显示结果

  country      Bangladesh
  continent          Asia
  year               1967
  lifeExp          43.453
  pop            62821884
  gdpPercap       721.186
  Name: 99, dtype: object
  

  # 获取最后一行  通过shape 获取一共有多少行
  number_of_rows = df.shape[0]
  # 总行数-1 获取最后一行行索引
  last_row_index = number_of_rows - 1 
  # 获取最后一行数据，并打印
  print(df.loc[last_row_index])
  

  显示结果

  country      Zimbabwe
  continent      Africa
  year             2007
  lifeExp        43.487
  pop          12311143
  gdpPercap     469.709
  Name: 1703, dtype: object
  

  • 使用tail方法获取最后一行数据

  print(df.tail(n=1)) #tail方法默认输出一行 传入n=1控制只显示1行  
  

  输出结果

   country continent  year  lifeExp       pop   gdpPercap
  1703  Zimbabwe    Africa  2007   43.487  12311143  469.709298
  

  • 注意：df.loc 和 df.tail 两种方式获得的最后一行数据有些不同

    • 我们可以打印两种结果的类型

    subset_loc = df.loc[0] 
    subset_head = df.head(n=1) 
    print(type(subset_loc))
    print(type(subset_head))
    

    输出结果

    <class 'pandas.core.series.Series'>
    <class ’pandas.core.frame.DataFrame’>
    

• loc：通过索引标签获取指定多行数据

  print(df.loc[[0, 99, 999]])  # dataframe
  

  输出结果

        country continent  year  lifeExp       pop    gdpPercap
  0    Afghanistan      Asia  1952   28.801   8425333   779.445314
  99    Bangladesh      Asia  1967   43.453  62821884   721.186086
  999     Mongolia      Asia  1967   51.253   1149500  1226.041130
  

• iloc : 通过行号获取行数据

  • 在当前案例中，使用iloc 和 loc效果是一样的
  • 需要注意的是，iloc传入的是索引的序号，loc是索引的标签
    • loc：索引名 iloc：行号
    • 在当前案例中，索引标签和索引序号刚好相同
    • 并不是所有情况下索引标签=索引序号
    • 例如：在做时间序列分析的时候，我们可以使用日期作为行索引
      • 此时索引为标签日期
      • 索引序号依然是0，1，2，3

获取第一行数据，并打印

print(df.iloc[0])

> <font color = red>输出结果</font>
>
> country      Afghanistan
> continent           Asia
> year                1952
> lifeExp           28.801
> pop              8425333
> gdpPercap        779.445
> Name: 0, dtype: object

```python
#获取第100行数据，并打印
print(df.iloc[99])

输出结果

country Bangladesh
continent Asia
year 1967
lifeExp 43.453
pop 62821884
gdpPercap 721.186
Name: 99, dtype: object

# 获取最后一行  通过shape 获取一共有多少行
number_of_rows = df.shape[0]
# 总行数-1 获取最后一行行索引
last_row_index = number_of_rows - 1 
# 获取最后一行数据，并打印
print(df.iloc[[0, 99, 999]])

输出结果

​ country continent year lifeExp pop gdpPercap

0 Afghanistan Asia 1952 28.801 8425333 779.445314
99 Bangladesh Asia 1967 43.453 62821884 721.186086
999 Mongolia Asia 1967 51.253 1149500 1226.041130

• 使用iloc时传入-1可以获取最后一行数据

print(df.iloc[-1])

输出结果

country Zimbabwe
continent Africa
year 2007
lifeExp 43.487
pop 12311143
gdpPercap 469.709
Name: 1703, dtype: object

• 注意 使用iloc时可以传入-1来获取最后一行数据，使用loc的时候不行

• Pandas V0.20 开始不再支持使用 ix 获取数据

  • 可以把ix看作loc 和 iloc的结合，因为它允许通过标签或者整数取子集
  • 默认情况下，它会搜索标签，如果找不到相应的标签，就会改用整数索引，这可能导致混乱
  • 使用ix时与使用loc或iloc时的代码完全相同，只是将loc或者iloc换成ix

  # 一下代码只能在pandas 版本低于0.20的时候才能成功运行
  df.ix[0] #获取第一行数据
  df.ix[99] # 获取第100行数据
  df.ix[[0,99,999]] # 获取第1行，第100行，第1000行数据
  

2.3 获取指定行/列数据

• loc和iloc属性既可以用于获取列数据，也可以用于获取行数据

  • df.loc[[行]，[列]]
  • df.iloc[[行]，[列]]
  • 行在前，列在后

• 使用 loc 获取数据中的1列/几列

  • df.loc[[所有行],[列名]]
  • 取出所有行，可以使用切片语法 df.loc[ : , [列名]]

  subset = df.loc[:,['year','pop']] 
  print(subset.head())
  # loc只能接受索引名/列名
  

  输出结果

  year       pop
  0  1952   8425333
  1  1957   9240934
  2  1962  10267083
  3  1967  11537966
  4  1972  13079460
  

• 使用 iloc 获取数据中的1列/几列

  • df.iloc[:,[列序号]] # 列序号可以使用-1代表最后一列

  subset = df.iloc[:,[2,4,-1]]
  print(subset.head())
  # iloc只能给行号列号
  

  输出结果

  year       pop   gdpPercap
  0  1952   8425333  779.445314
  1  1957   9240934  820.853030
  2  1962  10267083  853.100710
  3  1967  11537966  836.197138
  4  1972  13079460  739.981106
  

• 如果loc 和 iloc 传入的参数弄混了，会报错

  • loc 只能接受行/列 的名字， 不能传入索引

  subset = df.loc[:,[2,4,-1]]
  print(subset.head())
  

  输出结果

  KeyError: "None of [Int64Index([2, 4, -1], dtype='int64')] are in the [columns]"
  

  • iloc只能接受行/列的索引，不能传入行名，或者列名

  subset = df.loc[:,[2,4,-1]]
  print(subset.head())
  

  输出结果

  IndexError: .iloc requires numeric indexers, got ['year' 'pop']
  

• 通过range 生成序号，结合iloc 获取连续多列数据

  tmp_range = list(range(5))
  print(tmp_range)
  

  输出结果

  [0, 1, 2, 3, 4]
  

  subset = df.iloc[:,tmp_range]
  print(subset.head())
  

  输出结果

   country continent  year  lifeExp       pop
  0  Afghanistan      Asia  1952   28.801   8425333
  1  Afghanistan      Asia  1957   30.332   9240934
  2  Afghanistan      Asia  1962   31.997  10267083
  3  Afghanistan      Asia  1967   34.020  11537966
  4  Afghanistan      Asia  1972   36.088  13079460
  

  tmp_range = list(range(3,5))
  print(tmp_range)
  

  输出结果

  [3, 4]
  

  subset = df.iloc[:,tmp_range]
  print(subset.head())
  

  输出结果

  lifeExp       pop
  0   28.801   8425333
  1   30.332   9240934
  2   31.997  10267083
  3   34.020  11537966
  4   36.088  13079460
  

• 在 iloc中使用切片语法获取几列数据

  • 使用切片语法获取前三列

  subset = df.iloc[:,3:6]
  print(subset.head())
  

  输出结果

  lifeExp       pop   gdpPercap
  0   28.801   8425333  779.445314
  1   30.332   9240934  820.853030
  2   31.997  10267083  853.100710
  3   34.020  11537966  836.197138
  4   36.088  13079460  739.981106
  

  • 获取第0,2,4列

  subset = df.iloc[:,0:6:2]
  print(subset.head())
  

  输出结果

   country  year       pop
  0  Afghanistan  1952   8425333
  1  Afghanistan  1957   9240934
  2  Afghanistan  1962  10267083
  3  Afghanistan  1967  11537966
  4  Afghanistan  1972  13079460
  

• 使用 loc/iloc 获取指定行，指定列的数据

  • 使用loc

  print(df.loc[42,'country'])
  

  输出结果

  Angola
  

  • 使用iloc

  print(df.iloc[42,0])
  

  输出结果

  Angola
  

  • 不要混淆loc和iloc，df.loc[42,0] 会报错

  print(df.loc[42,0])
  

  输出结果

  TypeError: cannot do label indexing on <class 'pandas.core.indexes.base.Index'> with these indexers [0] of <class 'int'>
  

• 获取多行多列

  • 可以把获取单行单列的语法和获取多行多列的语法结合起来使用
  • 获取 第一列，第四列，第六列（country,lifeExp,gdpPercap) 数据中的第1行，第100行和第1000行

  print(df.iloc[[0,99,999],[0,3,5]])
  

  输出结果

     country  lifeExp    gdpPercap
  0    Afghanistan   28.801   779.445314
  99    Bangladesh   43.453   721.186086
  999     Mongolia   51.253  1226.041130
  

  • 在实际工作中，获取某几列数据的时候，建议传入实际的列名，使用列名的好处：
    • 增加代码的可读性
    • 避免因列顺序的变化导致取出错误的列数据

  print(df.loc[[0,99,999],['country','lifeExp','gdpPercap']])
  

  输出结果

     country  lifeExp    gdpPercap
  0    Afghanistan   28.801   779.445314
  99    Bangladesh   43.453   721.186086
  999     Mongolia   51.253  1226.041130
  

  • 注意：可以在loc 和 iloc 属性的行部分使用切片获取数据

  print(df.loc[2:6,['country','lifeExp','gdpPercap']])
  

  输出结果

   country  lifeExp   gdpPercap
  2  Afghanistan   31.997  853.100710
  3  Afghanistan   34.020  836.197138
  4  Afghanistan   36.088  739.981106
  5  Afghanistan   38.438  786.113360
  6  Afghanistan   39.854  978.011439
  

3 分组和聚合计算

• 在我们使用Excel或者SQL进行数据处理时，Excel和SQL都提供了基本的统计计算功能

• 当我们再次查看gapminder数据的时候，可以根据数据提出几个问题

  print(df.head(10))
  

  输出结果

      country continent  year  lifeExp       pop   gdpPercap
  0  Afghanistan      Asia  1952   28.801   8425333  779.445314
  1  Afghanistan      Asia  1957   30.332   9240934  820.853030
  2  Afghanistan      Asia  1962   31.997  10267083  853.100710
  3  Afghanistan      Asia  1967   34.020  11537966  836.197138
  4  Afghanistan      Asia  1972   36.088  13079460  739.981106
  5  Afghanistan      Asia  1977   38.438  14880372  786.113360
  6  Afghanistan      Asia  1982   39.854  12881816  978.011439
  7  Afghanistan      Asia  1987   40.822  13867957  852.395945
  8  Afghanistan      Asia  1992   41.674  16317921  649.341395
  9  Afghanistan      Asia  1997   41.763  22227415  635.341351
  

  ① 每一年的平均预期寿命是多少？每一年的平均人口和平均GDP是多少？

  ② 如果我们按照大洲来计算，每年个大洲的平均预期寿命，平均人口，平均GDP情况又如何？

  ③ 在数据中，每个大洲列出了多少个国家和地区？

3.1 分组方式

• 对于上面提出的问题，需要进行分组-聚合计算

  • 先将数据分组（每一年的平均预期寿命问题 按照年份将相同年份的数据分成一组）
  • 对每组的数据再去进行统计计算如，求平均，求每组数据条目数（频数）等
  • 再将每一组计算的结果合并起来
  • 可以使用DataFrame的groupby方法完成分组/聚合计算

  print(df.groupby('year')['lifeExp'].mean())
  

  显示结果

  year
  1952    49.057620
  1957    51.507401
  1962    53.609249
  1967    55.678290
  1972    57.647386
  1977    59.570157
  1982    61.533197
  1987    63.212613
  1992    64.160338
  1997    65.014676
  2002    65.694923
  2007    67.007423
  Name: lifeExp, dtype: float64
  

• 我们将上面一行代码拆开，逐步分析

  • 通过df.groupby(‘year’)先创一个分组对象，如果打印这个分组的DataFrame，会返回一个内存地址

  grouped_year_df = df.groupby('year')
  print(type(grouped_year_df))
  print(grouped_year_df)
  
  df.groupby('year')  # 返回的是一个可迭代对象，用list迭代出来/for循环取出来
  list[df.groupby('year')]
  print(list[df.groupby('year')]) # 可以看出是列表嵌套元组结构，每个分组是一个元组，组成列表，元组的第一个数据是分组标签:年份1952，第二个数据是分组的数据内容
  list[df.groupby('year')][0][1] # 取出第一个分组年份的数据内容
  

  显示结果

  <class 'pandas.core.groupby.generic.DataFrameGroupBy'>
  <pandas.core.groupby.generic.DataFrameGroupBy object at 0x123493f10>
  

  • 我们可以从分组之后的数据DataFrameGroupBy中，传入列名获取我们感兴趣的数据，并进行进一步计算
    • 计算每一年的平均预期寿命，我们需要用到 lifeExp 这一列
    • 我们可以使用上一小节介绍的方法获取分组之后数据中的一列

  grouped_year_df_lifeExp = grouped_year_df['lifeExp']
  print(type(grouped_year_df_lifeExp)) 
  print(grouped_year_df_lifeExp)
  

  显示结果

  <class 'pandas.core.groupby.generic.SeriesGroupBy'>
  <pandas.core.groupby.generic.SeriesGroupBy object at 0x000001E1938D0710>
  

  • 返回结果为一个 SeriesGroupBy （只获取了DataFrameGroupBy中的一列），其内容是分组后的数据
  • 对分组后的数据计算平均值

  mean_lifeExp_by_year = grouped_year_df_lifeExp.mean()
  print(mean_lifeExp_by_year)
  

  显示结果

  year
  1952    49.057620
  1957    51.507401
  1962    53.609249
  1967    55.678290
  1972    57.647386
  1977    59.570157
  1982    61.533197
  1987    63.212613
  1992    64.160338
  1997    65.014676
  2002    65.694923
  2007    67.007423
  Name: lifeExp, dtype: float64
  

• 上面的例子只是对一列 lifeExp 进行了分组求平均，如果想对多列值进行分组聚合代码也类似

  print(df.groupby(['year', 'continent'])[['lifeExp','gdpPercap']].mean())
  

  显示结果

              lifeExp     gdpPercap
  year continent                         
  1952 Africa     39.135500   1252.572466
  Americas   53.279840   4079.062552
  Asia       46.314394   5195.484004
  Europe     64.408500   5661.057435
  Oceania    69.255000  10298.085650
  1957 Africa     41.266346   1385.236062
  Americas   55.960280   4616.043733
  Asia       49.318544   5787.732940
  Europe     66.703067   6963.012816
  Oceania    70.295000  11598.522455
  1962 Africa     43.319442   1598.078825
  Americas   58.398760   4901.541870
  Asia       51.563223   5729.369625
  Europe     68.539233   8365.486814
  Oceania    71.085000  12696.452430
  1967 Africa     45.334538   2050.363801
  Americas   60.410920   5668.253496
  Asia       54.663640   5971.173374
  Europe     69.737600  10143.823757
  Oceania    71.310000  14495.021790
  1972 Africa     47.450942   2339.615674
  Americas   62.394920   6491.334139
  Asia       57.319269   8187.468699
  Europe     70.775033  12479.575246
  Oceania    71.910000  16417.333380
  1977 Africa     49.580423   2585.938508
  Americas   64.391560   7352.007126
  Asia       59.610556   7791.314020
  Europe     71.937767  14283.979110
  Oceania    72.855000  17283.957605
  1982 Africa     51.592865   2481.592960
  Americas   66.228840   7506.737088
  Asia       62.617939   7434.135157
  Europe     72.806400  15617.896551
  Oceania    74.290000  18554.709840
  1987 Africa     53.344788   2282.668991
  Americas   68.090720   7793.400261
  Asia       64.851182   7608.226508
  Europe     73.642167  17214.310727
  Oceania    75.320000  20448.040160
  1992 Africa     53.629577   2281.810333
  Americas   69.568360   8044.934406
  Asia       66.537212   8639.690248
  Europe     74.440100  17061.568084
  Oceania    76.945000  20894.045885
  1997 Africa     53.598269   2378.759555
  Americas   71.150480   8889.300863
  Asia       68.020515   9834.093295
  Europe     75.505167  19076.781802
  Oceania    78.190000  24024.175170
  2002 Africa     53.325231   2599.385159
  Americas   72.422040   9287.677107
  Asia       69.233879  10174.090397
  Europe     76.700600  21711.732422
  Oceania    79.740000  26938.778040
  2007 Africa     54.806038   3089.032605
  Americas   73.608120  11003.031625
  Asia       70.728485  12473.026870
  Europe     77.648600  25054.481636
  Oceania    80.719500  29810.188275
  

  • 上面的代码按年份和大洲对数据进行分组，针对每一组数据计算了对应的平均预期寿命 lifeExp 和 平均GDP
  • 输出的结果中 year continent 和 lifeExp gdpPercap 不在同一行， year continent两个行索引存在层级结构，后面的章节会详细介绍这种复合索引的用法
  • 如果想去掉 year continent的层级结构，可以使用reset_index方法（重置行索引）

  multi_group_var = df.groupby(['year', 'continent'])[['lifeExp','gdpPercap']].mean()
  flat = multi_group_var.reset_index()
  print(flat.head(15))
  

  显示结果

  year continent    lifeExp     gdpPercap
  0   1952    Africa  39.135500   1252.572466
  1   1952  Americas  53.279840   4079.062552
  2   1952      Asia  46.314394   5195.484004
  3   1952    Europe  64.408500   5661.057435
  4   1952   Oceania  69.255000  10298.085650
  5   1957    Africa  41.266346   1385.236062
  6   1957  Americas  55.960280   4616.043733
  7   1957      Asia  49.318544   5787.732940
  8   1957    Europe  66.703067   6963.012816
  9   1957   Oceania  70.295000  11598.522455
  10  1962    Africa  43.319442   1598.078825
  11  1962  Americas  58.398760   4901.541870
  12  1962      Asia  51.563223   5729.369625
  13  1962    Europe  68.539233   8365.486814
  14  1962   Oceania  71.085000  12696.452430
  

3.2 分组频数计算

• 在数据分析中，一个常见的任务是计算频数

  • 可以使用 nunique 方法 计算Pandas Series的唯一值计数
  • 可以使用 value_counts 方法来获取Pandas Series 的频数统计
  • 在数据中，每个大洲列出了多少个国家和地区？

  df.groupby('continent')['country'].nunique()
  
  df.groupby('continent')['country'].unique()
  # 这里是取出不同的值列出来
  

  显示结果

  continent
  Africa      52
  Americas    25
  Asia        33
  Europe      30
  Oceania      2
  Name: country, dtype: int64
  

错误做法

df.groupby('continent')['country'].count() # 会统计重复出现的

4 简单绘图

• 可视化在数据分析的每个步骤中都非常重要，在理解或清理数据时，可视化有助于识别数据中的趋势

  global_yearly_life_expectancy = df.groupby('year')['lifeExp'].mean()
  print(global_yearly_life_expectancy)
  

  显示结果

  year
  1952    49.057620
  1957    51.507401
  1962    53.609249
  1967    55.678290
  1972    57.647386
  1977    59.570157
  1982    61.533197
  1987    63.212613
  1992    64.160338
  1997    65.014676
  2002    65.694923
  2007    67.007423
  Name: lifeExp, dtype: float64
  

  • 可以通过plot画图

  global_yearly_life_expectancy.plot()
  

  显示结果

  <matplotlib.axes._subplots.AxesSubplot at 0x1e196e73f98>
  

小结

• 本节课程介绍了如何使用Pandas的DataFrame加载数据，并介绍了如何对数据进行简单的分组聚合

  pd.read_csv # 加载CSV文件
  pd.loc      # 从DataFrame中获取部分数据，传入索引名字
  pd.iloc     # 从DataFrame中获取部分数据，传入索引序号
  pd.groupby  # 分组