Pandas数据分析实战（1）——探索Chipotle快餐数据

Python在数据处理和准备一直做得很好，但在数据分析和建模方面就差一些。pandas帮助填
补了这一空白，使您能够在Python中执行整个数据分析工作流程，而不必切换到更特定于领域的语
言，如R。pandas是 Python 的核心数据分析支持库，提供了快速、灵活、明确的数据结构，旨在简单、直观地处理关系型、标记型数据。pandas是Python进行数据分析的必备高级工具。

pandas的主要数据结构是 Series(一维数据)与 DataFrame (二维数据)，这两种数据结构足以处理
金融、统计、社会科学、工程等领域里的大多数案例。处理数据一般分为四个阶段：数据整理与清洗、数据分析与建模、数据可视化与制表，Pandas 是处理数据的理想工具。

**数据来源与下载：https://www.heywhale.com/mw/dataset/59e715b76d213335f38d4507

1.创建数组和数据框

1.1Series

用列表生成 Series时，Pandas 默认自动生成整数索引，也可以指定索引

s1 = pd.Series(np.random.randint(1,10,5))#默认自动生成整数索引
s2 = pd.Series(np.random.randint(1,10,5),index=list('abcde'))#指定行索引
s3 = pd.Series({'a':90,'b':80,'c':70})#采用字典方式创建，键为行索引
display(s1, s2, s3)

输出：

1.2Dataframe

Dataframe是由多种类型的列构成的二维标签数据结构，类似Excel\SQL 表，或Series对象的字典

pokemon = pd.DataFrame({'evolution':['Ivysaur','Charmeleon','Wartortle','Metapod'],
             "hp": [45, 39, 44, 45],
             "name": ['Bulbasaur', 'Charmander','Squirtle','Caterpie'],
             "pokedex": ['yes', 'no','yes','no'],
             "type": ['grass', 'fire', 'water', 'bug']})

pokemon.rename(index = {0:'A',1:'B',2:'C',3:'D',4:'E'})#修改行索引
#修改列索引将index改为columns

输出：

2.了解你的数据

chipotle快餐店的订单的样本数据（chipotle.tsv），具体字段说明如下：

字段名称	解释说明
order_id	订单编号
quantity	数量
item_name	产品名称
choice_description	产品描述

2.1数据输入

import pandas as pd 
chipo = pd.read_csv('chipotle.tsv', sep = '\t',header = [0])
#若数据无列索引，则header = None
#若数据存在行索引，则index_col = 0，可以指定行索引
#若文件为csv，默认分隔符为逗号，则sep = ','

2.2数据查看

1.查看数据前10行

chipo.head(10)

输出：
2.查看数据后10行

chipo.tail(10)

输出：
3.查看形状，数据的行数和列数，输出（行数,列数）

chipo.shape

输出：

4.行索引，从0开始到4622（不包含），步长为1

chipo.index

输出：

5.列索引，各列的名称

chipo.columns

输出：
6.对象值，二维ndarray-NumPy数据结构

chipo.values

输出：
7.查看数值型列的数据汇总统计，输出count计数、mean平均值、std标准差、min最小值、25%第一四分位数、50%中位数、75%第三四分位数、max最大值

chipo.describe()

输出：

8.查看列索引（Columns）、数据类型(Dtype)、缺失值个数(Non-Null Count)和内存信息(memery usage)

chipo.info()

输出：

2.3数据选取

1.查看产品名称这一列，返回数据为Series

chipo.item_name
chipo['item_name']

输出：

2.查看产品名称及数量这两列，返回数据为DataFrame

chipo[['item_name','quantity']]

输出：

3.查看行索引从3开始到10结束（不包含）

chipo[3:15]

输出：

4.查看销售数量大于5的商品订单信息

cond = chipo.quantity>5#返回值是boolean类型的Series
chipo[cond]#返回数量quantity>5的商品订单信息

输出：
5.查看销售数量大于50，商品名称为’Bottled Water’的订单信息

cond = (chipo.quantity>5) & (chipo.item_name =='Bottled Water')#与运算，返回布尔值
chipo[cond]

输出：

6.按位置选择数据

chipo.iloc[3]#得到series,行标签为3
chipo.iloc[3:5,1:3]#得到dataframe，3~4行，1~2列
chipo.iloc[[3,5],[1,3]]#得到dataframe，行标签为3、5，列索引为1、3

输出：



7.新增一列remark，并给列中元素赋值

chipo['remark']='' #新增一列
chipo.loc[0,'remark'] = '无' #修改列中单个元素值

输出：

今天先写到这里，我们下期再见O(∩_∩)O

**整理课件不易，走过路过觉得课程内容不错，请帮忙点赞、收藏！Thanks♪(･ω･)ﾉ****如需转载，请注明出处