Python Pandas数据分析工具用法实例

1、介绍

Pandas是基于Numpy的专业数据分析工具，可以灵活高效的处理各种数据集，也是我们后期分析案例的神器。它提供了两种类型的数据结构，分别是DataFrame和Series，我们可以简单粗暴的把DataFrame理解为Excel里面的一张表，而Series就是表中的某一列

2、创建DataFrame

# -*- encoding=utf-8 -*-import pandasif __name__ == ’__main__’: pass test_stu = pandas.DataFrame( {’高数’: [66, 77, 88, 99, 85], ’大物’: [88, 77, 85, 78, 65], ’英语’: [99, 84, 87, 56, 75]}, ) print(test_stu) stu = pandas.DataFrame( {’高数’: [66, 77, 88, 99, 85], ’大物’: [88, 77, 85, 78, 65], ’英语’: [99, 84, 87, 56, 75]}, index=[’小红’, ’小李’, ’小白’, ’小黑’, ’小青’] # 指定index索引 ) print(stu)

运行

高数 大物 英语0 66 88 991 77 77 842 88 85 873 99 78 564 85 65 75 高数 大物 英语小红 66 88 99小李 77 77 84小白 88 85 87小黑 99 78 56小青 85 65 75

3、读取CSV或Excel(.xlsx)进行简单操作（增删改查）

data.csv

# -*- encoding=utf-8 -*-import pandasif __name__ == ’__main__’: pass data = pandas.read_csv(’data.csv’, engine=’python’) # 使用python分析引擎读取csv文件 print(data.head(5)) # 显示前5行， print(data.tail(5)) # 显示后5行 print(data) # 显示所有数据 print(data[’height’]) # 显示height列 print(data[[’height’, ’weight’]]) # 显示height和weight列 data.to_csv(’write.csv’) # 保存到csv文件 data.to_excel(’write.xlsx’) # 保存到xlsx文件 data.info() # 查看数据信息(总行数，有无空缺数据，类型) print(data.describe()) # (count非空值，mean均值、std标准差、min最小值、max最大值25%50%75%分位数。) data[’新增列’] = range(0, len(data)) # 类似字典直接添加即可 print(data) new_data = data.drop(’新增列’, axis=1, inplace=False) # 删除列,如果inplace为True则在源数据删除，返回None，否则返回新数据，不改动源数据 print(new_data) data[’体重+身高’] = data[’height’] + data[’weight’] print(data) data[’remark’] = data[’remark’].str.replace(’to’, ’’) # 操作字符串 print(data[’remark’]) data[’birth’] = pandas.to_datetime(data[’birth’]) # 转为日期类型 print(data[’birth’])

4、根据条件进行筛选，截取

# -*- encoding=utf-8 -*-import pandasif __name__ == ’__main__’: pass data = pandas.read_csv(’data.csv’, engine=’python’) # 使用python分析引擎读取csv文件 a = data.iloc[:12, ] # 截取0-12行，列全截 # print(a) b = data.iloc[:, [1, 3]] # 行全截,列1,3 # print(b) c = data.iloc[0:12, 0:4] # 截取行0-12，列0-4 # print(c) d = data[’sex’] == 1 # 查看性别为1(男)的 # print(d) f = data.loc[data[’sex’] == 1, :] # 查看性别为1(男)的 # print(f) g = data.loc[:, [’weight’, ’height’]] # 选取身高体重 # print(g) h = data.loc[data[’height’].isin([166, 175]), :] # 选取身高166,175的数据 # print(h) h1 = data.loc[data[’height’].isin([166, 175]), [’weight’, ’height’]] # 选取身高166,175的数据 # print(h1) i = data[’height’].mean() # 均值 j = data[’height’].std() # 方差 k = data[’height’].median() # 中位数 l = data[’height’].min() # 最小值 m = data[’height’].max() # 最大值 # print(i) # print(j) # print(k) # print(l) # print(m) n = data.loc[ (data[’height’] > data[’height’].mean()) & (data[’weight’] > data[’weight’].mean()), :] # 身高大于身高均值，且体重大于体重均值，不能用and要用&如果是或用| print(n)

5、清Nan数据，去重，分组，合并

# -*- encoding=utf-8 -*-import pandasif __name__ == ’__main__’: pass sheet1 = pandas.read_excel(’data.xlsx’, sheet_name=’Sheet1’) # 读取sheet1 # print(sheet1) # print(’-------------------------’) sheet2 = pandas.read_excel(’data.xlsx’, sheet_name=’Sheet2’) # 读取sheet2 # print(sheet2) # print(’-------------------------’) a = pandas.concat([sheet1, sheet2]) # 合并 # print(a) # print(’-------------------------’) b = a.dropna() # 删除空数据nan，有nan的就删除 # print(b) # print(’-------------------------’) b1 = a.dropna(subset=[’weight’]) # 删除指定列的空数据nan # print(b1) # print(’-------------------------’) c = b.drop_duplicates() # 删除重复数据 # print(c) # print(’-------------------------’) d = b.drop_duplicates(subset=[’weight’]) # 删除指定列的重复数据 # print(d) # print(’-------------------------’) e = b.drop_duplicates(subset=[’weight’], keep=’last’) # 删除指定列的重复数据,保存最后一个相同数据 # print(e) # print(’-------------------------’) f = a.sort_values([’weight’], ascending=False) # 从大到小排序weight # print(f) g = c.groupby([’sex’]).sum() # 根据sex分组，再求和 # print(g) g1 = c.groupby([’sex’], as_index=False).sum() # 根据sex分组，再求和，但sex不作为索引 # print(g1) g2 = c.groupby([’sex’, ’weight’]).sum() # 根据sex分组后再根据weight分组，再求和 # print(g2) h = pandas.cut(c[’weight’], bins=[80, 90, 100, 150, 200], ) # 根据区间分割体重 print(h) # print(’-------------------------’) c[’根据体重分割’] = h # 会有警告，未解决，但不影响结果 print(c)

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持好吧啦网。