侏罗纪公园,了解如何在python中进行数据分析-安博电竞app ios-下载

电视电影明星 172℃ 0

常遇到两类朋友。一类是会爬虫但不知道怎么进一步做数据剖析的,一类是平常用 Excel 做剖析但不太会用 Python 剖析的。假如和你很像,那下面这篇体系长文会很合适你,主张先保藏

Excel 是数据剖析中最常用的东西,本文经过 Python 与 excel 的功用比照介绍怎么运用 Python 经过函数式编程完结 excel 中的数据处理及剖析作业。从 1787 页的 pandas 官网文档中总结出最常用的 36 个函数,经过这些函数介绍怎么经过 Python 完结数据生成和导入、数据清洗、预处理、数据分类、数体系下载据挑选、分类 汇总、透视等最常见的操作。

文章内容共分为 9 个部分目录如下:

目录

01 生成数据表

榜首部分是生成数据表,常见的生成办法有两种,榜首种是导入外部数据,第二种是直接写入数据。 Excel 中的文件菜单中供给了获取外部数据的功用,支撑数据库和文本文件和页面的多种数据源导入。

获取外部数据

python 支撑从多种类型的数据导入。在开端运用 python 进行数据导入前需求先导入 pandas 库,为了便利起见,咱们也一同导入苏妙龄 numpy 库。

1import numpy as np

2import pandas as pd

导入数据表

下面别离是从 excel 和 csv 格局文件导入数据并创立数据表的办法。代码是最简方法,里边有许多可选参数设置,例如列称号,索引列,数据格局等等。感兴趣的朋友能够参阅 pandas 的

官方文档。

1df=pd.DataFrame(pd.read_csv('name.csv',header=1))

2df=pd.DataFrame(pd.read_excel('nam侏罗纪公园,了解怎么在python中进行数据剖析-安博电竞app ios-下载e.xlsx'))

创立数据表

另一种办法是经过直接写入数据来生成数据表,excel 中直接在单元格中输入数据就能够,python 中经过下面的代码来完结。生成数据表的函战争与和平数是 pandas 库中的 DateFrame 函数,数据表一共有 6 行数据,每行有 6 个字段。在数据中咱们特意设置了一些 NA 值和有问题的字段,例如包括空格等。后边将在数据清洗过程进行处理。后边咱们将共同以 DataFrame 的简称 df 来命名数据表。

1df = pd.DataFrame({"id":[1001,1002,1003,1004,1005,1006],

2 "date":pd.date_range('20130102', periods=6),

3 "city":['Beijing ', 'SH', ' guangzhou ', 'Shenzhen', 'shanghai', 'BEIJING '],

4 "age":[23,44,54,32,34,32],

5 "category":['100-A','100-B','110-A','110-C','210-A','130-F'],

6 "price":[1200,np.nan,2133,5433,np.nan,4432]},

7 columns =['id月下蝶影','date','city','category','age','price'])

这是刚刚创立的数据表,咱们没有设置索引列,price 字段中包括有 NA 值,city 字段中还包括了一些脏数据。

df

02 数据表检查

第二部分是对数据表进行检查,python 中处理的数据量一般会比较大,比方咱们之前的文章中介绍的纽约出租车数据和 Citibike 的骑行数据,数据量都在千万级,咱们无法一望而知的 了解数据表的全体状况,必需求经过一些办法来取得数据表的要害信息。数据表检查的另一个意图是了解数据的概略,例如整个数据表的巨细,所占空间,数据格局,是否有空值和重复项和详细的数据内容。为后边的清洗和预处理做好预备。

数据维度(队伍)

Excel 中能够经过 CTRL+向下的光标键,和 CTRL+向右的光标键来检查行号和列号。Python 中运用 shape 函数来检查数据表的维度,也便是行数和列数,函数回来的成果(6,6)表明数据表有 6 行,6 列。下面是详细的代码。

1#检查数据表的维度

2df.shape

3(6, 6)

数据表信息

运用 info 函数检查数据表的全体信息,这儿回来的信息比较多,包括数据维度,列称号,数据格局和所占空间等信息。

1#数据表信息

2df.info()

3

4

5RangeIndex: 6 entries, 0 to 5

6Data columns (total 6 columns):

7id 6 non-null int64

8date 6 non-null datetime64[ns]

9city 6 non-null object

10category 6 non-null object

11age 6 non-null int64

12price 4 non-null float64

13dtypes: datetime64[ns](1), float64(1), int64(2), object(2)

14memory usage: 368.0+ bytes

检查数据格局

Excel 中经过选中单元格并检查开端菜单中的数值类型来判别数据的格局。Python 中运用 dtypes 函数来回来数据格局。

Dtypes 是一个检查数据格局的函数,能够一次性检查数据表中一切数据的格局,也能够指定一列来独自检查。

1#检查数据表各列格局

2df.dtypes

3

4id int64

5date datetime64[ns]

6city object

7category object

8age int64

9price float64

10dtype: object

11

12#检查单列格局

13df['B'].dtype

14

15dtype('int64')

检查空值

Excel 中检查空值的办法是运用“定位条件”功用对数据表中的空值进行定位。“定位条件”在“开端”目录下的“查找和挑选”目录中。

查侏罗纪公园,了解怎么在python中进行数据剖析-安博电竞app ios-下载看空值

Isnull 是 Python 中查验空值的函数,回来的成果是逻辑值,包括空值回来 True,不包括则回来 False。能够对整个数据表进行检查,也能够独自对某一列进行空值检查。

1#检查数据空值

2df.isnull()

df_isnull

1#检查特定列空值

2df['pric新辉腾e'].igodagodasnull()

3

40 False

51 True

62 False

73 False

84 True

95 False

10Name: price, dtype: bool

检查仅有值

Excel 中检查仅有值的办法是运用“条件格局”对仅有值进行色彩符号。Python 中运用 unique 函数检查仅有值。

检查仅有值

Unique 是检查仅有值的函数,只能对数据表中的特定列进行检查。下面是代码,回来的成果是该列中的仅有值。类似与 Excel 中删去重复项后的成果。

1#检查 city 列中的仅有值

2df['city'].unique()

3

4array(['Beijing ', 'SH', ' guangzhou ', 'Shenzhen', 'shanghai', 'BEIJING '], dtype=object)

检查数据表数值

Python 中的 Values 函数用来检查数据表中的数值。以数组的方法回来,不包括表头信息。

1#检查数据表的值

2df.values

3

4array([[1001, Timestamp('2013-01-02 00:00:00'), 'Beijing ', '100-A', 23,

5 1200.0],

6 [1002, Timestamp('2013-01-03 00:00:00'), 'SH', '100-B', 44, nan],

7 [1003, Timestamp('2013-01-04 00:00:00'), ' guangzhou ', '110-A', 54,

8 2133.0],

9 [1004, Timestamp('2013-01-05 00:00:00'), 'Shenzhen', '110-C', 32,

10 5433.0],

11 [1005, Timestamp('2013-01-06 00:00:00'), 'shanghai', '210-A', 34,

12 nan],

13 [1006, Timestamp('2013-01-07 00:00:00'), 'BEIJING ', '130-F', 32,

14 4432.0]], dtype=object)

检查列称号

Colums 函数用来独自检查数据表中的列称号。

1#检查列称号

2df.columns

3

4Index(['id', 'date', 'city', 'category', 'age', 'price'], dtype='object')

检查前 10 行数据

Head 函数用来检查数据表中的前 N 行数据,默许 head()显现前 10 行数据,能够自己设置参数值来确认检查的行数。下面的代码中设置检查前 3 行的数据。

1`#检查前 3 行数据``df.head(``3``)`

df_head(3)

检查后 10 行数据

Tail 行数与 head 函数相反,用来检查数据表中后 N 行的数据,默许 tail()显现后 10 行数据,能够自己设置参数值来确认检查的行数。下面的代码中设置检查后 3 行的数据。

1`#检查最终 3 行``df.tail(``3``)`

df_tail(3)

03 数据表清洗

第三部分是对数据表中的问题进行清洗。首要内容包括对空值,巨细写问题,数据格局和重复值的处理。这儿不包括对数据间的逻辑验证。

处理空值(删去或填充)

咱们在创立数据表的时分在 price 字段中成心设置了几个 NA 值。关于空值的处理方法有许多种,能够直接删去包括空值的数据,也能够对空值进行填充,比方用 0 填充或许用均值填充。还能够依据不同字段的逻辑对空值进行核算。

Excel 中能够经过“查找和替换”功用对空值进行处理,将空值共同替换为 0 或均值。也能够经过“定位”空值来完结。

查找和替换空值

Python 中处理空值的办法比较灵敏,能够运用 Dropna 函数用来删去数据表中包括空值的数据,也能够运用 fillna 函数对空值进行填充。下面的代码和成果中能够看到运用 dropna 函数后,包括 NA 值的两个字段现已不见了。回来的是一个不包括空值的数据表。

1#删去数据表中含有空值的行

2df.dropna(how='any')

df_dropna

除此之外也能够运用数字对空值进行填充,下面的代码运用 fillna 函数对空值字段填充数字 0。

1#运用数字 0 填充数据表中空值

2df.fillna(value=0)

咱们挑选填充的方法来处理空值,运用 price 列的均值来填充 NA 字段,相同运用 fillna 函数,在要填充的数值中运用 mean 函数先核算 price 列当时的均值,然后运用这个均值对 NA 进行填

充。能够看到两个空值字段显现为 3299.5

1#运用 price 均值对 NA 进行填充

2df['price'].fillna(df['price'].mean())

3

40 1200.0

51 3299.5

62 2133.0

73 5433.0

84 3299.5

95 4432玄.0

10Name: price, dtype: float64

df_nan

收拾空格

除了空值,字符中的空格也是数据清洗中一个常见的问题,下面是铲除字符中空格的代码。

1#铲除 city 字段中的字符空格

2df['city']=df['city'].map(str.strip)

巨细写转化

在英文字段中,字母的巨细写不共同也是一个常见的问题。Excel 中有 UPPER,LOWER 等函数,python 中也有同名函数用来处理巨细写的问题。在数据表的 city 列中就存在这样的问题。咱们将 city 列的一切字母转化为小写。下面是详细的代码和成果。

1#city 列巨细写转化

2df['city']=df['city'].str.lower()

lower

更改数据格局

Excel 中经过“设置单元格格局”功用能够修正数据格局。Python 础组词中经过 astype 函数用来修正数据格局。

设置单元格格局

Python 中 dtype 是检查数据格局的函数,与之对应的是 astype 函数,用来更改数据格局。下面的代码中将 price 字段的值修正为 int 格局。

1#更改数据格局

2df['price'].astype('int')

3

40 1200

51 3299

62 2133

73 5433

84 3299

95 4432

10Name: price, dtype: int32

更改列称号

Rename 是更改列称号的函数,咱们将来数据表中的 category 列更改为 category-size。下面是详细的代码和更改后的成果。

1#更改列称号

2df.rename(columns={'category': 'category-size'})

df_rename

删去重复值

许多数据表中还包括重复值的问题,Excel 的数据目录下有“删去重复项”的功用,能够用来删去数据表中的重复值。默许 Excel 会保存最早呈现的数据,删去后边重复呈现的数据。

删去重复项

Python 中运用 drop_duplicates 函数删去重复值。咱们以数据表中的 city 列为例,city 字段中存在重复值。默许状况下 drop_duplicates()将删去后呈现的重复值(与 excel 逻辑共同)。添加 keep=’last’参数后将删去最早呈现的重复值,保存最终的值。下面是详细的代码和比较成果。

原始的 city 列中 beijing 存在重复,别离在榜首位和最终一位。

1df['city']

20 beijing

31 sh

42 guangzhou

53 shenzhen

64 shanghai

75 beijing

8Name: city, dtype: object

运用默许的 drop_duplicates()函数删去重复值,从成果中能够看到榜首位的 beijing 被保存,最终呈现的 beijing 被删去。

1#删去后呈现的重复值

2df['city'].drop_duplicates()

30 beijing

41 sh

52 guangzhou

63 shenzhen

74 shanghai

8Name: city, dtype: object

设置 keep=’last‘’参数后,与之前删去重复值的成果相反,榜首位呈现的 beijing 被删去,保存了最终一位呈现的 beijing。

1#删去先呈现的重复值

2df['city'].drop_duplicates(keep='last')

31 sh

42 guangzhou

53 shenzhen

64 shanghai

75 beijing

8Name: city, dtype: objec

数值修正及替换

数据清洗中最终一个问题是数值修正或替换,Excel 中运用“查找和替换”功用就能够完结数值的替换。

查找和替换空值

Python 中运用 replace 函数完结数据替换。数据表中 city 字段上海存在两种写法,别离为 shanghai 和 SH。咱们运用 replace 函数对 SH 进行替换。

1#数据替换

2df['c特种作业操作证查询ity'].replace('sh', 'shanghai')

30 beijing

41 shangh青果直播吧ai

52 guangzhou

63 shenzhen

74 shanghai

85 beijing

9Name: city, dtype: object

本篇文章这是系列的第二篇,介绍第 4-6 部分的内容,数据表生成,数据表检查,和数据清洗。

4-6 目录

04 数据预处理

第四部分是数据的预处理,对清洗完的数据进行收拾以便后期的核算和剖析作业。首要包括数据表的兼并,排序,数值排列,数据分

组及符号等作业。

数据表兼并

首要是对不同的数据表进行兼并,咱们这儿创立一个新的数据表 df1,并将 df 和 df1 两个数据表进行兼并。在 Excel 中没有直接完结数据表兼并的功用,能够经过 VLOOKUP 函数分步完结。在 python 中能够经过 merge 函数一次性完结。下面树立 df1 数据表,用于和 df 数据表进行兼并。

1#创立 df1 数据表

2df1=pd.Da侏罗纪公园,了解怎么在python中进行数据剖析-安博电竞app ios-下载taFrame({"id":[1001,1002,1003,1004,1005,1006,1007,1008],

3"gender":['male','female','male','female','male','female','male','female'],

4"pay":['Y','N','Y','Y','N','Y','N','Y',],

5"m-point":[10,12,20,40,40,40,30,20]})

df1

运用 merge 函数对两个数据表进行兼并,兼并的方法为 inner,将两个数据表中共有的数据匹配到一同生成新的数据表。并命名为 df_inner。

1#数据表匹配兼并,inner 方法

2df_inner=pd.merge(df,df1,how='inner')

df_inner

除了 inner 方法以外,兼并的方法还有 left,right 和国信证券 outer 方法。这几种方法的差别在我其他的文章中有详细的阐明和比照。

1#其他数据表匹配方法

2df_left=pd.merge(df,df1,how='left')

3df_right=pd.merge(df,df1,how='right')

4df_outer=pd.merge(df,df1,how='outer')

设置索引列

完结数据表的兼并后,咱们对 df_inner 数据表设置索引列,索引列的功用许多,能够进行数据提取,汇总,也能够进行数据挑选等。

设置索引的函数为 set_index。

1#设置索引列

2df_inner.se石膏线t_index('id哈喽')

df_inner_set_index

排序(按索引,按数值)

Excel 中能够经过数据目录下的排序按钮直接对数据表进行排序,比较简略。Python 中需求运用 ort_values 函数和 sort_index 函数完结排序。

排序

在 python 中,既能够按索引对数据表进行排序,也能够看拟定列的数值进行排序。首要咱们按 age 列中用户的年纪对数据表进行排序。

运用的函数为 sort_values。

1#按特定列的值排序

2df_inner.sort_values(by=['age'])

sort_values

Sort_index 函数用来将数据表按索引列的值进行排序。

1#按索引列排序

2df_inner.sort_index()

sort_index

数据分组

Excel 中能够经过 VLOOKUP 函数进行近似匹配来完结对数值的分组,或许运用“数据透视表”来完结分组。相应的 python 中运用 where 函数完结数据分组。

Where 函数用来对数据进行判别和分组,下面的代码中咱们对 price 列的值进行判别,将契合条件的分为一组,不契合条件的分为另一组,并运用 group 字段进行符号。

1#假如 price 列的值>3000,group 列显现 high,不然显现 low

2df_inner['group'] = np.where(df_inner['price'] > 3000,'high','low')

where

除了 where 函数以外,还能够对多个字段的值进行判别后对数据进行分组,下面的代码中对 city 列等于 beijing 而且 price 列大于等于 4000 的数据符号为 1。

1#对复合多个条件的数据进行分组符号

2df_inner.loc[(df_inner['city'] == 'beijing') & (df_inner['price'] >= 4000), 'sign']=1

sign

数据排列

与数据分组相反的是对数值进行排列,Excel 中的数据目录下供给“排列”功用。在 python 中运用 split 函数完结排列。

数据排列

在数据表中 category 列中的数据包括有两个信息,前面的数字为类别 id,后边的字母为 size 值。中心以连字符进行衔接。咱们运用 split 函数对这个字段进行拆分,并将拆分后的数据表匹配回原数据表抗日之美女悍将中。

1#对 category 字段的值顺次进行排列,并创立数据表,索引值为 df_inner 的索引列,列称号为 category 和 size

2pd.DataFrame((x.split('-') for x in df_inner['category']),index=df_inner.index,columns=['category','size'])

split

1#将完结排列后的数据表与原 df_inner 数据表进行匹配

2df_inner=pd.merge(df_inner,split,right_index=True, left_index=True)

merge_1

05 数据提取

第五部分是数据提取,也是数据剖析中最常见的一个作业。这部分首要运用三个函数,loc,iloc 和 ix,loc 函数按标签值进行提取,iloc 按方位进行提取,ix 能够一同按标签和方位进行提页面紧迫晋级拜访取。下面介绍每一种函数的运用办法。

按标签提取(loc)

Loc 函数按数据表的索引标签进行提取,下面的代码中提取了索引列为 3 的单条数据。

1#按索引提取单行的数值

2df_inner.loc[3]

3id 1004

4date 2013-01-05 00:00:00

5city shenzhen

6category 110-C

7age 32

8price 5433

9gender female

10m-point 40

11pay Y

12group high

13sign NaN

14category_1 110

15size C

16Name: 3, dtype: object

运用冒号能够限制提取数据的规模,冒号前面为开端的标签值,后边为完毕的标签值。下面提取了 0 到 5 的数据行。

1#按索引提取区域行数值

2df_inner.loc[0:5]

df_inner_loc1

Reset_index 函数用于康复索引,这儿咱们从头将 date 字段的日期设置为数据表的索引,并按日期进行数据提取。

1#重设索引

2df_inner.reset_index()

reset_index

1#设置日期为索引

2df_inner=df_inner.set_index('date')

set_index_date

运用冒号限制提取数据的规模,冒号前面为空表明从 0 开端。提取一切 2013 年 1 月 4 日曾经的数据。

1#提取 4 日之前的一切数据

2df_inner[:'2013-01-04']

按提起提取

按方位提取(iloc)

运用 iloc 函数按方位对数据表中的数据进行提取,这儿冒号前后的数字不再是索引的标签称号,而是数据地点的方位,从 0 开端。

1#运用 iloc 按方位区域提取数据

2df_inner.iloc[:3,:2]

iloc1

iloc 函数除了能够按区域提取数据,还能够按方位逐条提取,前面方括号中的 0,2,5 表明数据地点行的方位,后边方括号中的数表明地点列的方位。

1#运用 iloc 按方位独自提取数据

2df_inner.iloc[[0,2,5],[4,5]]

iloc2

按标签和方位提取(ix)

ix 是 loc 和 iloc 的混合,既能按索引标签提取,也能按方位进行数据提取。下面代码中行的方位按索引日期设置,列按方位设置。

1#运用 ix 按索引标签和方位混合提取数据

2df_inner.ix[:'2013-01-03',:4]

ix

按条件提取(区域和条件值)

除了按标签和方位提起数据以外,还能够按详细的条件进行数据。下面运用 loc 和 isin 两个函数合作运用,按指定条件对数据进行提取 。

运用 isin 函数对 city 中的值是否为 beijing 进行判别。

1#判别 city 列的值是否为 beijing

2df_inner['city'].isin(['beijing'])

3

4date

52013-01-02 True

62013-01-05 False

72013-01-07 True

82013-01-06 False

92013-01-03 False

102013-01-04 False

11Name: city, dtype: bool

将 isin 函数嵌套到 loc 的数据提取函数中,将判别成果为 Ture 数据提取出来。这儿咱们把判别条件改为 city 值是否为 beijing 和 shanghai。假如是就把这条数据提取出来。

1#先判别 city 列里是否包括 beijing 和 shanghai,然后将复合条件的数据提取出来。

2df_inner.loc[df_inner['city'].isin(['beijing','shanghai'])]

loc 按挑选条件提取

数值提取还能够完结类似数据排列的作业,从兼并的数值中提取出拟定的数值。

1category=df_inner['category']

20 100-A

33 110-C

45 130-F

54 210-A

61 100-B

72 110-A

8扑克牌戏法Name: category, dtype: object

9

10#提取前三个字符,并生成数据表

11pd.DataFrame(category.str[:3])

category_str

06 数据挑选

第六部分为数据挑选,运用与,或,非三个条件合作大于,小于和等于对数据进行挑选,并进行计数和求和。与 excel 中的挑选功用和 countifs 和 sumifs 功用类似。

按条件挑选(与,或,非)

Excel 数据目录下供给了“挑选”功用,用于对数据表按不同的条件进行挑选。Python 中运用 loc 函数合作挑选条件来完结挑选功用。合作 sum 和 count 函数还能完结 excel 中 sumif 和 countif 函数的功用。

挑选

运用“与”条件进行挑选,条件是年纪大于 25 岁,而且城市为 beijing。挑选后只要一条数据契合要求。

1#运用“与”条件进行挑选

2df_inner.loc[(df_inner['age'] > 25) & (df_inner['city'] == 'beijing'), ['id','city','age','category','gender']]

运用“或”条件进行挑选,年纪大于 25 岁或城市为 beijing。挑选后有 6 条数据契合要求。

1#运用“或”条件挑选

2df_inner.loc[(df_inner['age'] > 25) | (df_inner['city'] == 'beijing'), ['id','city','age','category','gender']].sort

3(['age'])

在前面的代码后添加 price 字段以及 sum 函数,按挑选后的成果将 price 字段值进行求和,相当于 excel 中 sumifs 的功用。

1#对挑选后的数据按 price 字段进行求和

2df_inner.loc[(df_inner['age'] > 25) | (df_inner['city'] == 'beijing'),

3['id','city','age','category','gender','price']].sort(['age']).price.sum()

4

519796

运用“非”条件进行挑选,城市不等于 beijing。契合条件的数据有 4 条。将挑选成果按 id 列进行排序。

1#运用“非”条件进行挑选

2df_inner.loc[(df_inner['city'] 侏罗纪公园,了解怎么在python中进行数据剖析-安博电竞app ios-下载!= 'beijing'), ['id','city','age','category','gender']].sort(['id'])

在前面的代码后边添加 city 列,并运用 count 函数进行计数。相当于 excel 中的 countifs 函数的功用。

1#对挑选后的数据按 city 列进行计数

2df_inner.loc[(df_inner['city'] != 'beijing'), ['id','city','age','category','gender']].sort(['id']).city.count()

34

还有一种挑选的方法是用 query 函数。下面是详细的代码和挑选成果。

1#运用 query 函数进行挑选

2df_inner.query('city == ["beijing", "shanghai"]')侏罗纪公园,了解怎么在python中进行数据剖析-安博电竞app ios-下载

query

在前面的代码后添加 price 字段和 sum 函数。对挑选后的 price 字段进行求和,相当于 excel 中的 sumifs 函数的功用。

1#对挑选后的成果按 price 进行求和

2df_inner.query('city == ["beijing", "shanghai"]').price.sum()

312230

这是第三篇,介绍第 7-9 部分的内容,数据汇总,数据核算,和数据输出。

7-9 目录

07 数据汇总

第七部分是对数据进行分类汇总,Excel 中运用分类汇总和数据透视能够按特定维度对数据进行汇总,python 中运用的首要函数是 groupby 和 pivot河北移动_table。下面别离介绍这两个函数的运用办法。

分类汇总

Excel 的数据目录下供给了“分类汇总”功用,能够按指定的字段和汇总方法对数据表进行汇总。Python 中经过 Groupby 函数完结相应的操作,并能够支撑多级分类汇总。

分类汇总 1

Groupby 是进行分类汇总的函数,运用办法很简略,拟定要分组的列称号就能够,也能够一同拟定多个列称号,groupby 按列称号呈现的次序进行分组。一同要拟定分组后的汇总方法,常见的是计数和求和两种。

1#对一切列进行计数汇总

2df_inner.groupby('city').count()

groupby

能够在 groupby 中设置列称号来对特定的列进行汇总。下面的代码中按城市对 id 字段进行汇总计数。

1#对特定的 ID 列进行计数汇总

2df_inner.groupby('city')['id'].count()

3city

4beijing 2

5guangzhou 1

6shanghai 2

7shenzhen 1

8Name: id, dtype: int64

在前面的根底上添加第二个列称号,散布对 city 和 size 两个字段进行计数汇总。

1#对两个字段进行汇总计数

2df_inner.groupby(['city','size'])['id'].count()

3city size

4beijing A 1

5F 1

6guangzhou A 1

7shanghai A 1

8B 1

9shenzhen C 1坎帕尼亚罗

10Name: id, dtype: int64

除了计数和求和外,还能够对汇总后的数据一同按多个维度进行核算,下面的代码中按城市对 price 字段进行汇总,并别离核算 price 的数量,总金额和均匀金额。

1#对 city 字段进行汇总并核算 price 的算计和均值。

2df_inner.groupby('city')['price'].agg([len,np.sum, np.mean])

groupby1

数据透视

Excel 中的刺进目录下供给“数据透视表”功用对数据表按特定维度进行汇总。Python 中也供给了数据透视表功用。经过 pivot_table 函数完结相同的作用。

数据透视

数据透视表也是常用的一种数据分类汇总方法,而且功用上比 groupby 要强大一些。下面的代码中设定 city 为行字段,size 为列字段,price 为值字段。别离核算 price 的数量和金额而且按行与列进行汇总。

1#数据透视表

2pd.pivot_table(df_inner,index=["city"],values=["price"],columns=["size"],aggfunc=[len,np.sum],fill_value=0,margins=True)

pivot_table

08 数据核算

第九部分为数据核算,这儿首要介绍数据采样,规范差,协方差和相关系数的运用办法。

数据采样

Excel 的数据剖析功用中供给了数据抽样的功用,如下图所示。Python 经过 sample 函数完结数据采样。

数据抽样

Sample 是进行数据采样的函数,设置 n 的数量就能够了。函数主动回来参加的成果。

1#简略的数据采样

2df_inner.sample(n=3)

简略随机采样

Weights 参数是采样的权重,经过设置不同的权重能够更改采样的成果,权重高的数据将更有期望被选中。这儿手动设置 6 条数据的权重值。将前面 4 个设置为 0,后边两个别离设置为 0.5。

1#手动设置采样权重

2weights = [0, 0, 0, 0, 0.5, 0.5]

3df_inner.sample(n=2, weights=weights)

手动设置采样权重 1

从采样成果中能够看出,后两条权重高的数据被选中。

手动设置采样权重 2

Sample 函数中还有一个参数 replace,用来设置采样后是否放回。

1#采样后不放回

2df_inner.sample(n=6, replace=False)

采样后不放回

1#采样后放回

2df_inner.sample(n=6, replace=True)

采样后放回

描述核算

Excel 中的数据剖析中供给了描述核算的功用。Python 中能够经过 Describe 对数据进行描述核算。

描述核算

Describe 函数是进行描述核算的函数,主动生成数据的数量,均值,规范差等数据。下面的代码中对数据表进行描述核算,并运用 round 函数设置成果显现的小数位。并对成果数据进行转置。

1#数据表描述性核算

2df_inner.describe().round(2).T

describe

规范差

Python 中的 Std 函数用来接算特定数据列的规范差。

1#规范差

2df_inner['price'].std()

315日你妈逼23.3516556155596

协方差

Excel 中的数据剖析功用中供给协方差的核算,python 中经过 cov 函数核算两个字段或数据表中各字段间的协方差。

协方差

Cov 函数用来核算两个字段间的协方差,能够只对特定字段进行核算,也能够对整个数据表中各个列之间进行核算。

1#两个字段间的协方差

2df_inner['price'].cov(df_inner['m-point'侏罗纪公园,了解怎么在python中进行数据剖析-安博电竞app ios-下载])

317263.200000000001

cov

相关剖析

Excel 的数据剖析功用中供给了相关系数的核算功用,python 中则经过 corr 函数完结相关剖析的操作,并回来相关系数。

相关系数

Corr 函数用来核算数据间的相关系数,能够独自对特定数据进行核算,也能够对整个数据表中各个列进行核算。相关系数在-1 到 1 之间,挨近 1 为正相关,挨近-1 为负相关,0 为不相关。

1#相关性剖析

2df_inner['price'].corr(df_inner['m-point'])

30.77466555617085264

4

5#数据表相关性剖析

6df_inner.corr()

corr

09 数据输出

第九部分是数据输出,处理和剖析完的数据能够输出为 xlsx 格局和 csv 格局。

写入 excel

1#输出到 excel 格局

2df_inner.to_excel('excel_to_python.xlsx', sheet_name='bluewhale_cc')

excel

写入 csv

1#输出到 CSV 格局

2df_inner.to_csv('excel_to_python.csv')

在数据处理的侏罗纪公园,了解怎么在python中进行数据剖析-安博电竞app ios-下载过程中,大部分根底作业是重复和机械的,关于这部分根底作业,咱们能够运用自定义函数进行主动化。以下简略介绍对数据表信息获取主动化处理。

1#创立数据表

2df = pd.DataFrame({"id":[1001,1002,1003,1004,1005,1006],

3"date":pd.date_range('20130102', periods=6),

4"city":['Beijing ', 'SH', ' guangzhou ', 'Shenzhen', 'shanghai', 'BEIJING '],

5"age":[23,44,54,32,34,32],

6"category":['100-A','100-B','110-A','110-C','210-A','130-F'],

7"price":[1200,np.nan,2133,5433,np.nan,4432]},

8columns =['id','date','city','category','age','price'])

9

10#创立自定义函数

11def table_info(x):

12 shape=x.shape

13 types=x.dtypes

14 colums=x.columns

15 print("数据维度(行,列):\n",shape)

16 print("数据格局:\n",types)

17 print("列称号:\n",colums)

18

19#调用自定义函数获取 df 数据表信息并输出成果

20table_info(df)

21

22数据维度(行,列):

23(6, 6)

24数据格局:

25id int64

26date datetime64[ns]

27city object

28category object

29age int64

30price float64

31dtype: object

32列称号:

33Index(['id', 'date', 'city', 'category', 'age', 'price'], dtype='object')

以上便是用 Python 做数据剖析的基本内容。

下面是为初学者们预备的python电子书籍材料和python入门教程!

请重视+私信回复:“学习”就能够拿到一份我为我们预备的Python学习材料!

标签: scarf水床