牛客网快速入门数据分析（VIP题库）

本篇主要讲解Pandas库的语法

一、查看数据

1.使用pandas打开CSV文件，请输出你看到的前6行数据

import pandas as pd
df = pd.read_csv('Nowcoder.csv',dtype=object) 

#打开文件时需要添加dtype=object，防止年份信息读取为小数

print(df.head(6))
#print(Nowcoder.head()) 括号为空时，默认显示前5行数据

2.不需要输出全部数据，请直接告诉我们这个数据集的大小，即行数与列数

import pandas as pd
df = pd.read_csv('Nowcoder.csv',dtype=object)
print(df.shape) 

请注意这里的shape是没有带（）的，类似的，df.info，df.size，df.dtypes也是

3.查看第10行的用户的全部信息

import pandas as pd

df = pd.read_csv('Nowcoder.csv', dtype=object)
print(df.iloc[9])

索引是从0开始的，第十行是9

loc更适合于基于标签的索引和切片，而iloc更适合基于数字的索引和切片

4.查看第10~20行的用户的'Language'列的信息

import pandas as pd
Nowcoder = pd.read_csv('Nowcoder.csv',sep=',',dtype=object)
# print(Nowcoder['Language'].iloc[10:21])
# print(Nowcoder['Language'].loc[10:20])
# print(Nowcoder.iloc[10:21,5])
print(Nowcoder.loc[10:20,'Language'])

5.牛牛想要获取该文件中每一列的列名，以及该文件包含了多少位用户的数据，请你帮他输出一下

import pandas as pd
data = pd.read_csv('Nowcoder.csv',sep=',',dtype = object)
print(list(data.columns))
print(data.shape[0])

二、数据筛选

1.如果你想知道这份数据是不是所有列的信息都是有数据的，有没有哪些列的数据没有补全，请输出每列信息是否有为空值

import pandas as pd
Nowcoder = pd.read_csv('Nowcoder.csv',sep=',',dtype=object)
print(~Nowcoder.all())

#print(Nowcoder.isna().any())
#print(Nowcoder.isnull().all())

2.想知道哪些人经常使用Python这门语言，并且他们的其他信息是怎么样的，该怎么输出？

print(df.loc[df['Language'] == 'Python'])

print(df[df['Language'] == 'Python'])

print(df.query('Language=="Python"'))

#Python用户的成就值
print(df[df['Language']=='Python']['Achievement_value'])

3.输入描述：

数据集直接从当前目录下的Nowcoder.csv文件中读取。

输出描述：

输出该数据集中日期为2022/6/18且类型为1的快递的目的地信息，包括行号。

import pandas as pd
df   = pd.read_csv('Nowcoder.csv',sep=',',dtype=object)
con  = df[(df['Date'] == '2022/6/18') & (df['Type'] == '1')]
print(con['Destination'])

三、分组合并

1.输入描述：数据集直接从当前目录下的Order.csv文件中读取。

输出描述：首先输出各个等级的会员都平均消费了多少，不用处理小数位保留。

然后输出各个等级的会员光顾了多少家不同的店铺数量。

import pandas as pd
df = pd.read_csv('Order.csv',sep=',')

print(df.groupby(by=['VIP_level'])['price'].mean())
print(df.groupby(by=['VIP_level'])['shop_name'].value_counts())

import pandas as pd

data=pd.read_csv("./Order.csv",dtype=object)

# 按照VIP等级分组
res= data.groupby("VIP_level")

# 输出每个VIP等级的消费均值
print(res.price.mean())

# 输出每个VIP等级去过的不同店个数
print(res.shop_name.nunique())

2.数据集直接从当前目录下的Tk.csv文件和Shop.csv中读取。

Tk.csv

Shop.csv

输出描述：

输出粉丝数大于10000的用户消费过的店铺，输出包括行号。

import pandas as pd
Tk = pd.read_csv('Tk.csv',sep=',')
Shop = pd.read_csv('Shop.csv',sep=',')
total_merge = pd.merge(Tk,Shop,on='ID')
print(total_merge.query('Fans>10000')['shop_name'])

3.数据集直接从当前目录下的Order.csv文件中读取。

输出描述：

输出店铺的名字及各自的总销售额，按照销售额排序。

import pandas as pd
t1=pd.read_csv('Order.csv',sep=',')
#注意，agg中的聚合会替代被聚合列作为列名，故输出那里的排序是按 sum 进行排序
t2=t1.groupby(by='shop_name')['price'].agg(['sum'])
#True和False  注意都要首字母大写
print(t2.sort_values(by='sum',ascending=False))