一、生成数据表
各位读者朋友们,由于更新blog不易,如果觉得这篇blog对你有用的话,麻烦关注,点赞,收藏一下哈,十分感谢。
1、首先导入pandas库,一般都会用到numpy库,所以我们先导入备用:
2、导入CSV或者xlsx文件:
或者
Item = namedtuple(‘Item’, ‘reply pv’)
items = []
with codecs.open(‘reply.pv.07’, ‘r’, ‘utf-8’) as f:
for line in f:
line_split = line.strip().split(‘\t’)
items.append(Item(line_split[0].strip(), line_split[1].strip()))
df = pd.DataFrame.from_records(items, columns=[‘reply’, ‘pv’])
3、用pandas创建数据表:
二、数据表信息查看
1、维度查看:
- 1
2、数据表基本信息(维度、列名称、数据格式、所占空间等):
3、每一列数据的格式:
4、某一列格式:
5、空值:
6、查看某一列空值:
7、查看某一列的唯一值:
8、查看数据表的值:
9、查看列名称:
10、查看前5行数据、后5行数据:
三、数据表清洗
1、用数字0填充空值:
2、使用列prince的均值对NA进行填充:
3、清除city字段的字符空格:
4、大小写转换:
5、更改数据格式:
6、更改列名称:
7、删除后出现的重复值:
8 、删除先出现的重复值:
9、数据替换:
- 1
四、数据预处理
1、数据表合并
1.1 merge
1.2 append
1.3 join
1.4 concat
- objs︰ 一个序列或系列、 综合或面板对象的映射。如果字典中传递,将作为键参数,使用排序的键,除非它传递,在这种情况下的值将会选择
(见下文)。任何没有任何反对将默默地被丢弃,除非他们都没有在这种情况下将引发 ValueError。 - axis: {0,1,…},默认值为 0。要连接沿轴。
- join: {‘内部’、 ‘外’},默认 ‘外’。如何处理其他 axis(es) 上的索引。联盟内、 外的交叉口。
- ignore_index︰ 布尔值、 默认 False。如果为 True,则不要串联轴上使用的索引值。由此产生的轴将标记
0,…,n-1。这是有用的如果你串联串联轴没有有意义的索引信息的对象。请注意在联接中仍然受到尊重的其他轴上的索引值。 - join_axes︰ 索引对象的列表。具体的指标,用于其他 n-1 轴而不是执行内部/外部设置逻辑。 keys︰
序列,默认为无。构建分层索引使用通过的键作为最外面的级别。如果多个级别获得通过,应包含元组。 - levels︰ 列表的序列,默认为无。具体水平 (唯一值) 用于构建多重。否则,他们将推断钥匙。
- names︰ 列表中,默认为无。由此产生的分层索引中的级的名称。
- verify_integrity︰ 布尔值、 默认 False。检查是否新的串联的轴包含重复项。这可以是相对于实际数据串联非常昂贵。
- 副本︰ 布尔值、 默认 True。如果为 False,请不要,不必要地复制数据。
2、设置索引列
3、按照特定列的值排序:
4、按照索引列排序:
5、如果prince列的值>3000,group列显示high,否则显示low:
- 1
6、对复合多个条件的数据进行分组标记
7、对category字段的值依次进行分列,并创建数据表,索引值为df_inner的索引列,列名称为category和size
8、将完成分裂后的数据表和原df_inner数据表进行匹配
五、数据提取
主要用到的三个函数:loc,iloc和ix,loc函数按标签值进行提取,iloc按位置进行提取,ix可以同时按标签和位置进行提取。
1、按索引提取单行的数值
2、按索引提取区域行数值
3、重设索引
4、设置日期为索引
5、提取4日之前的所有数据
6、使用iloc按位置区域提取数据
7、适应iloc按位置单独提起数据
8、使用ix按索引标签和位置混合提取数据
9、判断city列的值是否为北京
10、判断city列里是否包含beijing和shanghai,然后将符合条件的数据提取出来
11、提取前三个字符,并生成数据表
六、数据筛选
使用与、或、非三个条件配合大于、小于、等于对数据进行筛选,并进行计数和求和。
1、使用“与”进行筛选
2、使用“或”进行筛选
3、使用“非”条件进行筛选
4、对筛选后的数据按city列进行计数
5、使用query函数进行筛选
6、对筛选后的结果按prince进行求和
七、数据汇总
主要函数是groupby和pivote_table
1、对所有的列进行计数汇总
2、按城市对id字段进行计数
3、对两个字段进行汇总计数
4、对city字段进行汇总,并分别计算prince的合计和均值
八、数据统计
数据采样,计算标准差,协方差和相关系数
1、简单的数据采样
2、手动设置采样权重
3、采样后不放回
4、采样后放回
5、 数据表描述性统计
6、计算列的标准差
7、计算两个字段间的协方差
8、数据表中所有字段间的协方差
9、两个字段的相关性分析
10、数据表的相关性分析
九、数据输出
分析后的数据可以输出为xlsx格式和csv格式
1、写入Excel
2、写入到CSV