（四）Pandas数据分析入门

深碍√TFBOYSˉ_ 2022-12-25 01:50 147阅读 0赞

### 目录 ###

*   *  一： 统计：
     *  二：排序：
     *  三：案例分析：

## 一： 统计： ##

1： 加载数据：

> import pandas as pd  
> college = pd.read\_csv(‘C:/Users/11737/Desktop/机器学习课件/data/college.csv’)  
> college.head()

2：统计数据的列：

> college.columns

3：查看数据的行和列：

> college.shape

4：统计每列的数值信息：

> college.describe()

5： 统计每列的数值信息,然后转置。

> college.describe().T

6：统计对象和类型列：

> pamdas 基于 numpy ,numpy支持的数据类型， pandas都支持。  
> np.object 字符串类型  
> pd.Categorical 类别类型  
> import numpy as np  
> college.describe(include=\[np.object, pd.Categorical\]).T

7：查看字段的信息：

> college.info()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70]

## 二：排序： ##

1：选择最高分的前100个：

> movie = pd.read\_csv(‘C:/Users/11737/Desktop/机器学习课件/data/movie.csv’)  
> movie2 = movie\[\[‘movie\_title’, ‘imdb\_score’, ‘budget’\]\]  
> movie2.nlargest(100, ‘imdb\_score’)

2: 选出刚才100个中，预算最小的5个：

> movie2.nlargest(100, ‘imdb\_score’).nsmallest(5, ‘budget’)

3:按照年份逆序排序：

> movie2 = movie\[\[‘movie\_title’, ‘title\_year’, ‘imdb\_score’\]\]  
> movie2.sort\_values(‘title\_year’, ascending=False).head()

4：按照年份和评分逆序排序：

> movie2.sort\_values(\[‘title\_year’, ‘imdb\_score’\], ascending=False).head()

5：按照年进行去重，只保留第一个：

> movie2.sort\_values(\[‘title\_year’, ‘imdb\_score’\], ascending=False).drop\_duplicates(subset=‘title\_year’).head()

6：对年份，级别降序，对花费升序：  
提取出每年，每种电影分级中预算少的电影——sort\_values多列排序

> movie4 = movie\[\[‘movie\_title’, ‘title\_year’, ‘content\_rating’, ‘budget’\]\]  
> 多列排序，ascending=\[False, False, True\] 降序，降序，升序  
> movie4\_sorted = movie4.sort\_values(\[‘title\_year’, ‘content\_rating’, ‘budget’\], ascending=\[False, False, True\])  
> 去重，删除’title\_year’, 'content\_rating’相同的数据  
> movie4\_sorted.drop\_duplicates(subset=\[‘title\_year’, ‘content\_rating’\]).head()

## 三：案例分析： ##

对租房数据进行分析：

1： 载入数据：

> import pandas as pd  
> house\_data = pd.read\_csv(‘C:/Users/11737/Desktop/机器学习课件/data/LJdata.csv’)

2： 将列名替换成英文：

> house\_data.columns = \[‘district’, ‘address’, ‘title’, ‘house\_type’, ‘area’, ‘price’, ‘floor’, ‘build\_time’, ‘direction’, ‘update\_time’, ‘view\_num’, ‘extra\_info’, ‘link’\]

3: 查看数的基本信息：

> house\_data.head()  
> house\_data.info()  
> house\_data.shape  
> house\_data.describe()

4：查询租金最高和最低的房子：

> house\_data\[house\_data\[‘price’\] == house\_data\[‘price’\].min()\]  
> house\_data\[house\_data\[‘price’\] == house\_data\[‘price’\].max()\]

5：获取房屋价格最低和最高的房屋信息：

> house\_data.sort\_values(by=‘price’).head(1)  
> house\_data.sort\_values(by=‘price’).tail(1)

6：查询最新的10套房子：

> house\_data.sort\_values(by=‘update\_time’, ascending=False).head(10)

7：查看所有的跟新时间，按时间降序排列：

> house\_data.sort\_values(by=‘update\_time’, ascending=False)\[‘update\_time’\].unique()

![在这里插入图片描述][20201130104046605.png]  
8: 查看看房人数的平均值和中位数：

> house\_data\[‘view\_num’\].mean() \# 平均值  
> house\_data\[‘view\_num’\].median() \# 中位数

9：获取不同看房人数的房源的数量：  
先根据看房人数将房源分组，然后取出房源的名字，最后统计房源名字的数量。

> tmp\_df = house\_data.groupby(‘view\_num’,as\_index=False)\[‘district’\].count()  
> 修改列名  
> tmp\_df.columns = \[‘view\_num’, ‘count’\]  
> tmp\_df.head()

10：对上面的看房人数和房源数量进行构图：

> %matplotlib inline  
> tmp\_df\[‘count’\].plot(kind=‘bar’,figsize=(20,10))

解释： inline是notebook中的绘图包， tmp\_df\[‘count’\]是指定绘图的纵轴，plot表示线形图，加上属性kind=‘bar‘， 表示绘制柱状图。figsize表示图的大小。

11： 求房子价格的平均值，中位数，方差：

> house\_data\[‘price’\].mean() 平均值  
> house\_data\[‘price’\].std() 中位数  
> house\_data\[‘price’\].median() 方差

12： 查看房间人数最多的朝向：

> 先将数据根据朝向分组，取出查看的人数，对分组内部进行求和。  
> 然后查询查看人数等于求和最大的信息。

> popular\_direction = house\_data.groupby(‘direction’, as\_index = False)\[\[‘view\_num’\]\].sum()  
> popular\_direction\[popular\_direction\[‘view\_num’\] ==popular\_direction\[‘view\_num’\].max()\]

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 1]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 2]  
13: 查看房型的分布情况：  
import matplotlib.pyplot as plt  
导入这个包是为了解决中文乱码问题：  
plt.rcParams\[‘axes.unicode\_minus’\] = False  
可以用来正常的显示负号。

> house\_type\_dis = house\_data.groupby(\[‘house\_type’\]).count()  
> %matplotlib inline  
> house\_type\_dis\[‘district’\].plot(kind=‘bar’)

拿到的统计表会根据分组的字段作为横坐标，统计的结果作为纵坐标。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 3]  
14：最受欢迎的房型：  
思路：根据房子型号进行分组，然后使用agg()进行聚合，里面可以是元祖或者字典，字典的键是列名，值是组内聚合的结果。

> tmp = house\_data.groupby(‘house\_type’,as\_index=False).agg(\{‘view\_num’:‘sum’\})  
> tmp\[tmp\[‘view\_num’\]==tmp\[‘view\_num’\].max()\]

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 4]  
15：房子的平均租房价格：  
思路：先使用房子价格/房子的面积，得到数据，增加一列。然后再对这新增的一列，求平均。

> house\_data.loc\[:, ‘price\_per\_m2’\] = house\_data\[‘price’\] / house\_data\[‘area’\]  
> house\_data\[‘price\_per\_m2’\].mean()

![在这里插入图片描述][20201130122334881.png]

16：热门小区：  
思路：根据小区进行分组，然后统计组内的个数。根据个数再排序就可以了。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 5]  
17：出租房源最多的小区：  
思路：根据小区进行分组，然后计算每个组的个数。修改两个列的名字，第一个不需要修改，但是第二个必须修改，view\_num在这里只是为了占位置的，实际位置上统计的是每个组的个数。

> tmp\_df2 = house\_data\[\[‘address’,‘view\_num’\]\].groupby(\[‘address’\],as\_index=False).count() tmp\_df2.columns = \[‘address’,‘count’\]  
> tmp\_df2.nlargest(columns=‘count’, n=1)

![在这里插入图片描述][20201130141449746.png]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70]: /images/20221120/0c17de14f43745d8908fbdfbdf6cc641.png
[20201130104046605.png]: /images/20221120/1425041396c3499e8898532c2018dad7.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 1]: /images/20221120/0249c63efe584dd7a6822e69db4afe9a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 2]: /images/20221120/756af3785d0f4377b2f30e0fc8c80ed6.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 3]: /images/20221120/147118213d794939af81140e35ddfde1.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 4]: /images/20221120/61f8be82ccd2468898f5967009f5b17e.png
[20201130122334881.png]: /images/20221120/757038c5b8a24e28a67f53020a3d7ded.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 5]: /images/20221120/c32e974a02454903928186117eeca3a6.png
[20201130141449746.png]: /images/20221120/3e6a730b731e40fba119a3e6ff102bbc.png