python-数据分析(7-作业)

这篇博客是关于Python数据分析的作业,涉及使用NumPy处理CSV和Excel文件,数组操作及数据筛选。内容包括读取餐饮和Stock数据,创建并操作NumPy数组,使用Matplotlib绘制条形图和散点图,以及数据的堆叠和拼接分析。
摘要由CSDN通过智能技术生成

作业
练习1:读取餐饮csv文件的数据
📎餐饮.csv

#方法1
import csv
with open("餐饮.csv","r",newline="",encoding="gbk") as canyincsv:
    cancsv=csv.reader(canyincsv)
    for i in cancsv:
        print(i)

在这里插入图片描述

#方法2
import pandas as pd
data = pd.read_csv("餐饮.csv",encoding='gbk') 
print(data)

在这里插入图片描述


练习2:读取Stock.xlsx 文件数据
📎Stock.xlsx

#方法1
from openpyxl import load_workbook
wb=load_workbook("Stock.xlsx")
ws=wb.active
for row in ws.rows:             
    for cell in row:            
        print(cell.value)  

在这里插入图片描述

#方法2
import pandas as pd
pd.read_excel("Stock.xlsx")

在这里插入图片描述


练习3:
• 1.输出0-9的数组arr
• 2.查看arr的数据类型
• 3.创建0-5的数组arr1,并指定其数据类型为"bool"
• 4.改变arr1的数据类型为"float64"

3.1

import numpy as np
arr = np.arange(0,10)
arr
---------------------
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

3.2

import numpy as np
arr = np.arange(0,10)
arr.dtype
---------------------
dtype('int32')

3.3

import numpy as np
arr1 = np.array(range(6),dtype="bool")
arr1.dtype
-----------------------
dtype('bool')

3.4

import numpy as np
arr1 = np.array(range(6))
arr = arr1.astype(np.float64)
arr.dtype
---------------------
dtype('float64')

作业02
练习

  • 创建 2*2 的数组arr1 元素自定义
  • 创建 2*2*3 的数组arr2 元素自定义
  • 查看arr2的维度以及形状
  • 将arr2转为1维
  • 将arr1进行转置
  • 生成 4*4 全为1的数组 arr3
  • 生成 单位矩阵
    应用扩展
# 创建 2*2 的数组arr1 元素自定义
import numpy as np
arr1 = np.array([[1,2],[3,4]])
arr1
-------------------------
array([[1, 2],
       [3, 4]])
#创建 2*2*3 的数组arr2 元素自定义
#查看arr2
  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python数据分析作业是使用Python编程语言进行大数据分析的任务。在这个作业中,学生需要运用Python的各种库和工具来处理和分析大规模的数据集。 首先,学生需要了解数据分析基本概念和技术,以及Python编程语言的基础知识。他们需要学会如何使用Python数据处理库,例如Pandas和NumPy,来读取、清洗和转换大数据集。 接下来,学生将学习如何使用Python数据可视化库,例如Matplotlib和Seaborn,来创建图表和可视化工具,以便更好地理解和解释数据集中的模式和趋势。这对于他们能够进行有意义的数据分析和报告至关重要。 此外,学生还需要学习如何使用Python的机器学习和统计建模库,例如Scikit-learn和Statsmodels,来构建预测模型和进行统计分析。这些模型和分析将帮助他们从数据中发现有用的信息和洞察,并支持他们在基于数据的决策和策略制定中做出明智的选择。 最后,学生需要通过实际动手完成各种练习和项目,以应用他们所学的知识和技能。这些项目可能涉及到数据集的获取和清理、数据的可视化和探索、模型的构建和评估,以及最终的报告和展示。 总之,Python数据分析作业是一个全面的任务,要求学生掌握Python编程语言和数据分析技术的基础,并能够将它们应用于实际的大规模数据集中。通过完成这些作业,学生将能够提高他们的数据分析和问题解决能力,并为将来的数据驱动决策和研究打下坚实的基础。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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