python中数据分析库的基本使用（series&pandas）

朱雀 2023-01-23 09:52 218阅读 0赞

# series的使用 #

from pandas import Series
    
    #1. Series对象
    x = Series(
        data=['a','b','fef'], # 索引默认从0开始
        index=['aa','bb','cc'] # 索引不一定是数字，索引可重复
    )
    # print(x)
    
    #2.根据索引取值
    print(x['cc'])
    
    #3. 修改
    x['aa']='dwdw'
    
    #4. 删除
    x = x.drop('cc')
    
    #5.添加
    x.append((Series(data=['dwd'],index=['r'])))
    
    #6.获取x的所有索引和值
    print(x.index,x.values)

# dataframe的基本使用 #

from pandas import DataFrame
    
    df = DataFrame(
        data={ 
            'name':['张三','李四','王五'],
            'age':[18,20,19],
            'hobby':['唱歌','跳舞','rap']
        },
        index=['first','second','third']
    )
    
    print(df)
    
    #1 获取name列数据
    print(df['name'])
    
    #2 df 想要筛选行列需要使用 loc-按标签选 iloc—按位置选 两个方法
    # 遵循先行后列原则
    
    # #3 筛选first行age列
    df.loc['first','age'] #,分维度
    #
    # #4 只取行或列
    print(df.loc[:,'age'])
    #
    # #5 筛选first行到thir行
    print(df.loc['first':'third','name':'hobby'])
    #
    # #6 筛选不连续行列
    print(df.loc[['first','third'],['name','hobby']])
    
    
    # loc：如果知道列名使用loc 不知道列明用iloc
    print(df.iloc[0:2,0:2]) #左闭右开
    print(df.iloc[[0,2],[0,2]])

# df写入csv #

from pandas import DataFrame
    
    df = DataFrame(
        data=[
            { 'name':'张三','age':12},
            { 'name':'栗子','age':18},
            { 'name':'王五', 'age':15}
        ]
    )
    
    #1. 写到csv文件中
    #不写入索引与列名（表头）
    df.to_csv('哈哈.csv',index=False,header=False)

# pandas的基本处理方法 #

[示例数据链接][Link 1]

import pandas as pd

## 1. 读取csv数据 ##

df = pd.read_csv('数据分析data/data.csv')
    print(df)

## 2. 去重 ##

df.drop_duplicates(inplace=True) # inplace在原始数据上直接进行修改， 与赋值操作时一样的
    print(df)

## 3 空值处理 ##

df = pd.read_csv('数据分析data/data1.csv')
    df.dropna(inplace=True) #删除空值
    # 填充空值
    df.fillna('Not provide', inplace=True)
    print(df)

## 4 某列数据的字符串操作（替换、去空格、切割等等） ##

df = pd.read_csv('数据分析data/data2.csv')
    # str: Series变为字符串属性之后，可用字符串的方法
    # 将name列中的JIMI替换成TOM——str.replace strip()去首尾空格
    df['name'] = df['name'].str.replace('JIMI','TOM').str.strip()
    print(df)

## 5 筛选数据 ##

df = pd.read_csv('数据分析data/data4.csv',sep='|')
    print(df.columns)
    #筛选comments大于等于10000的数据
    print(df[df['comments']>=10000])
    #筛选comments大于等于1000，小于等于10000的数据
    print(df[(df['comments']>=1000) & (df['comments']<=10000)])
    # 筛选comments小于等于1000或大于等于10000的数据
    print(df[(df['comments']>=1000) | (df['comments']>=10000)])
    
    # 筛选title中包含台电两字的数据 na=False:如果是空，直接是False
    print(df[df['title'].str.contains('台电', na=False)])

## 6 数据合并 ##

from pandas import DataFrame
    import pandas as pd
    df1 = pd.read_csv('数据分析data/data6-1.csv',sep='|')
    df2 = pd.read_csv('数据分析data/data6-2.csv',sep='|')
    df3 = pd.read_csv('数据分析data/data6-3.csv',sep='|')
    df = pd.concat([df1,df2,df3])
    
    #6.1 竖向数据合并
    # # print(df) #可以发现索引重复了，故我们重置索引reset_index
    df.reset_index(inplace=True, drop=True) #drop把原索引删掉，重新生成索引
    print(df)
    
    #6.2 横向数据合并
    df1 = pd.read_csv('数据分析data/data7-1.csv',sep='|', names=['id','comments','title'])
    df2 = pd.read_csv('数据分析data/data7-2.csv',sep='|',names=['id','comments','title'])
    # # on:根据谁合并（公共列）
    df = pd.merge(df1,df2,on='id')
    print(df)
    
    #6.3 新增列
    df = pd.read_csv('数据分析data/data8.csv',sep='|')
    df['totalPrice'] = df['num']*df['price']
    print(df)

# 分组聚合 #

import  pandas as pd
    df = pd.read_csv('数据分析data\groupby.csv')
    #1 按address分组，求各城市人数
    #res = df.groupby('address').count().reset_index() #按城市对所有列求个数
    res1 = df.groupby('address')['id'].count().reset_index() #按城市对所有列求个数
    #print(res1)
    
    #2 按照address分组，求各城市的分数平均值
    res2 = df.groupby('address')['score'].mean().reset_index()
    #print(res2)
    
    #3 根据address分组，求各城市的分数平均值、最大值、最小值、分数总和、中位数
    # aggg：聚合运算
    res3 = df.groupby('address')['score'].agg(['mean','max','min','sum','median']).reset_index()
    print(res3)
    
    #4 根据address分组，求各城市的分数平均值、[年龄最大值、最小值]
    res4 = df.groupby('address').agg({ 'score':'mean','age':['max','min']}).reset_index()
    print(res4)

import  pandas as pd
    #1 读取数据
    df = pd.read_csv('D:\python_project\python爬虫\chromedriver\lianjia_data.csv')
    
    #2 根据小区分组，求单价平均值(当前小区同时在售卖房源不能低于3套)
    temp = df.groupby('community')['unit_price'].agg(['mean','count']).reset_index()
    # print(temp)
    #3 [['小区',3.4]]
    result = [
        [
            value['community'],
            round(value['mean']/10000,1)
        ]
        if value['count'] >= 3 else [value['community'],0]
        for index,value in temp.iterrows()
    ]
    # print(result)
    #4 根据小区均价进行排序
    # 参数1： 要排序数据if value['count'] >= 3 else [value['community'],0]
    # 参数2 key: 根据什么排序
    # 参数3：reverse=True
    result = sorted(result,key=lambda x:x[1],reverse = True)[0:10]
    # print(result)

![在这里插入图片描述][20210715093906282.png_pic_center]

[Link 1]: https://download.csdn.net/download/qq_45060674/20260213
[20210715093906282.png_pic_center]: /images/20221004/430ec2d11f234a7b9b441049177996c9.png