位置: IT常识 - 正文

python-数据描述与分析(1)(数据结构—python语言描述)

编辑:rootadmin
数据描述与分析 在进行数据分析之前,我们需要做的事情是对数据有初步的了解,这个了解就涉及对行业的了解和对数据本身的敏感程度,通俗来说就是对数据的分布有大概的理解,此时我们需要工具进行数据的描述,观测数据的形状等;而后才是对数据进行建模分析,挖掘数据中隐藏的位置信息。目前在数据描述和简单分析方面做的比 ...

推荐整理分享python-数据描述与分析(1)(数据结构—python语言描述),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:python数据描述性统计,python数据描述性统计,python数据类型及操作,python数据类型及操作,python数据描述与分析,python 数据描述,python数据描述性统计,python数据描述性统计,内容如对您有帮助,希望把文章链接给更多的朋友!

数据描述与分析

在进行数据分析之前,我们需要做的事情是对数据有初步的了解,这个了解就涉及对行业的了解和对数据本身的敏感程度,通俗来说就是对数据的分布有大概的理解,此时我们需要工具进行数据的描述,观测数据的形状等;而后才是对数据进行建模分析,挖掘数据中隐藏的位置信息。目前在数据描述和简单分析方面做的比较好的是Pandas库。当然,它还需要结合我们之前提到的Numpy,Scipy等科学计算相关库才能发挥功效。

1.Pandas 数据结构 在进行Pandas相关介绍时我们首先需要知道的是Pandas 的两个数据结构(即对象)Series 和 DataFrame,这是Pandas的核心结构,掌握了此二者结构和属性要素,会在具体的数据处理过程中如虎添翼。

1.1 Series 简介 Series 是一种类似于以为数据的对象,它由两部分组成,第一部分是一维数据,另外一部分是与此一维数据对应的标签数据。具体如下:

import pandas as pdcenterSeries =pd.Series(["中国科学院","文献情报中心","大楼","北四环西路",])print (centerSeries)#output:0 中国科学院1 文献情报中心2 大楼3 北四环西路dtype: object

因为我们没有指定它的标签数据,而python默认是通过数字排序进行标识,接下来给他添加标示数据,具体如下:

centerSeries =pd.Series(["中国科学院","文献情报中心","大楼","北四环西路",],index=["a","b","c","d"])print (centerSeries) #index的size和Series的size必须一样长,否则报错#output:a 中国科学院b 文献情报中心c 大楼d 北四环西路dtype: object

对比之前的默认标识,我们可以看出它由1,2,3,4变成了a,b,c,d。接下来将解释这样标识的意义,具体如下:

import pandas as pdcenterSeries =pd.Series(["中国科学院","文献情报中心","大楼","北四环西路",],index=["a","b","c","d"])print (centerSeries[0]) #通过一维数组进行获取数据print (centerSeries[1])print (centerSeries["c"]) #通过标识index获取数据print (centerSeries["d"])#output:中国科学院文献情报中心大楼北四环西路

另外,我们可以看到通过一维数组格式获取数据和通过index标识获取数据都可以,这样的index就像曾经学过的数据库中的id列的作用,相当于建立了每个数据的索引。当然,针对Series的操作不只限于此,还有很多需要我们自己去通过“help”查看得到的。

1.2 DataFrame 简介 DataFrame 是一个表格型的数据结构,它包含有列和行的索引,当然你也可以把它看作是由Series组织成的字典。需要说明的是,DataFrame的每一列中不需要数据类型相同,且它的数据是通过一个或者多个二维块进行存放,在了解DataFrame之前如果读者对层次化索引有所了解,那么DataFrame 可能相对容易理解,当然如果读者并不知道何谓层次化索引也没关系,举个例子:他类似于常见的excel的表格格式,可将它理解为一张excel表,具体如下:

#简单的DataFrame 制作#字典格式的数据data = {"name":["国科图","国科图","文献情报中心","文献情报中心"], "year":["2012","2013","2014","2015"], "local":["北四环西路","北四环西路","北四环西路","北四环西路"], "student":["甲","乙","丙","丁"]}centerDF = pd.DataFrame(data)print(centerDF)#output: name year local student0 国科图 2012 北四环西路 甲1 国科图 2013 北四环西路 乙2 文献情报中心 2014 北四环西路 丙3 文献情报中心 2015 北四环西路 丁#调整列的顺序data = {"local":["北四环西路","北四环西路","北四环西路","北四环西路"],"name":["国科图","国科图","文献情报中心","文献情报中心"],"year":["2012","2013","2014","2015"],"student":["甲","乙","丙","丁"]}centerDF = pd.DataFrame(data,columns=["year","name","local","student"])print(centerDF)#output: year name local student0 2012 国科图 北四环西路 甲1 2013 国科图 北四环西路 乙2 2014 文献情报中心 北四环西路 丙3 2015 文献情报中心 北四环西路 丁#更改index的默认设置data = {"name":["国科图","国科图","文献情报中心","文献情报中心"], "year":["2012","2013","2014","2015"], "local":["北四环西路","北四环西路","北四环西路","北四环西路"], "student":["甲","乙","丙","丁"]}centerDF = pd.DataFrame(data,columns=["year","name","local","student"],index=["a","b","c","d"])print(centerDF)#output: year name local studenta 2012 国科图 北四环西路 甲b 2013 国科图 北四环西路 乙c 2014 文献情报中心 北四环西路 丙d 2015 文献情报中心 北四环西路 丁

既然DataFrame 是行列格式的数据,那么理所当然可以通过行、列的方式进行数据获取,按列进行数据据获取,具体如下:

data = {"name":["国科图","国科图","文献情报中心","文献情报中心"], "year":["2012","2013","2014","2015"], "local":["北四环西路","北四环西路","北四环西路","北四环西路"], "student":["甲","乙","丙","丁"]}centerDF = pd.DataFrame(data,columns=["year","name","local","student"],index=["a","b","c","d"])print (centerDF["name"])print (centerDF["student"])#output:a 国科图b 国科图c 文献情报中心d 文献情报中心Name: name, dtype: objecta 甲b 乙c 丙d 丁Name: student, dtype: objectpython-数据描述与分析(1)(数据结构—python语言描述)

另外,可以看出按列进行获取时他们的index标识是相同的,且每一列是一个Series 对象

按行进行数据获取,其实是通过index进行操作,具体如下:

data = {"name":["国科图","国科图","文献情报中心","文献情报中心"], "year":["2012","2013","2014","2015"], "local":["北四环西路","北四环西路","北四环西路","北四环西路"], "student":["甲","乙","丙","丁"]}centerDF = pd.DataFrame(data,columns=["year","name","local","student"],index=["a","b","c","d"])print (centerDF.loc["a"])#在使用进行DataFrame.ix进行表中的数据块选择的时候,会抛出’DataFrame’ object has no attribute ‘ix’,这个是由于在不同的pandas的版本中,DataFrame的相关属性已过期,已不推荐使用导致的。#参考代码先锋网#output:year 2012name 国科图local 北四环西路student 甲Name: a, dtype: object

另外,同样可以看出每一行是一个Series 对象,此时该Series的index其实就是DataFrame 的列名称,综上来看,对于一个DataFrame 来说,它是纵横双向进行索引,只是每个Series(纵横)都共用一个索引而已

1.3 利用Pandas加载、保存数据在进行数据处理时我们首要工作是把数据加载到内存中,这一度成为程序编辑的软肋,但是Pandas包所提供的功能几乎涵盖了大多数的数据处理的加载问题,如read_csv、read_ExcelFile

(1)加载csv格式的数据

import pandas as pddata_csv = pd.read_csv("D:/python_cailiao/test.csv") #它的默认属性有sep=","data_csv#output:school institute grades name0 中国科学院大学 文献情报中心 15级 田鹏伟1 中国科学院大学 文献情报中心 15级 李四2 中国科学院大学 文献情报中心 15级 王五3 中国科学院大学 文献情报中心 15级 张三data_csv = pd.read_csv("D:/python_cailiao/test.csv",sep="#") #更改默认属性sep="#"data_csv#output:school,institute,grades,name0 中国科学院大学,文献情报中心,15级,田鹏伟1 中国科学院大学,文献情报中心,15级,李四2 中国科学院大学,文献情报中心,15级,王五3 中国科学院大学,文献情报中心,15级,张三data_csv = pd.read_csv("D:/python_cailiao/test.csv",header=None,skiprows=[0]) #不要表头Headerdata_csv#output:school institute grades name0 中国科学院大学 文献情报中心 15级 田鹏伟1 中国科学院大学 文献情报中心 15级 李四2 中国科学院大学 文献情报中心 15级 王五3 中国科学院大学 文献情报中心 15级 张三data_csv.columns=["school","institute","grades","name"]data_csv #自行添加表头列#output:school institute grades name0 中国科学院大学 文献情报中心 15级 田鹏伟1 中国科学院大学 文献情报中心 15级 李四2 中国科学院大学 文献情报中心 15级 王五3 中国科学院大学 文献情报中心 15级 张三

另外,综上,通过对csv格式的文件进行读取,我们可以指定读入的格式(sep=","),也可以指定他的header为空None,最后添加column,而之所以可以后来添加的原因是读入的csv已经是DataFrame格式对象

(2)保存csv数据

data_csv.loc[1,"name"]="顾老师"data_csv.to_csv("D:/python_cailiao/save.csv")

(1)加载excel格式的数据

data_excel = pd.read_excel("D:/python_cailiao/excel.xlsx",sheet_name="test")data_excel#output:school institute grades name0 中国科学院大学 文献情报中心 15级 田鹏伟1 中国科学院大学 文献情报中心 15级 李四2 中国科学院大学 文献情报中心 15级 王五3 中国科学院大学 文献情报中心 15级 张三data_excel.loc[1,"name"]="顾立平老师"data_excel#output:school institute grades name0 中国科学院大学 文献情报中心 15级 田鹏伟1 中国科学院大学 文献情报中心 15级 顾立平老师2 中国科学院大学 文献情报中心 15级 王五3 中国科学院大学 文献情报中心 15级 张三

(2)保存数据

data_excel.to_excel("D:/python_cailiao/save.xlsx",sheet_name="test")

另外,对于excel文件来说同csv格式的处理相差无几,但是excel文件在处理时需要指定sheetname属性(读取和写入sheet_name)

参考书目:《数据馆员的python简明手册》

本文链接地址:https://www.jiuchutong.com/zhishi/311569.html 转载请保留说明!

上一篇:js中typeof操作符是什么(js中typeof用法)

下一篇:织梦dedecms显示当前时间日期的代码(将织梦dedecms转换到wordpress)

  • 华为平板自动旋转在哪里设置(华为平板自动旋转功能失效)

    华为平板自动旋转在哪里设置(华为平板自动旋转功能失效)

  • 小天才手表防水吗(小天才手表防水效果)

    小天才手表防水吗(小天才手表防水效果)

  • 微信辅助是什么意思(微信辅助是什么意思?会不会自己信息被泄露?)

    微信辅助是什么意思(微信辅助是什么意思?会不会自己信息被泄露?)

  • 天猫精灵通话未关联是什么意思(天猫精灵电话不提示)

    天猫精灵通话未关联是什么意思(天猫精灵电话不提示)

  • 用剪映怎么给视频加边框(用剪映怎么给视频加字幕)

    用剪映怎么给视频加边框(用剪映怎么给视频加字幕)

  • 如何设置文本效果渐变填充(如何设置文本效果为渐变填充预设颜色)

    如何设置文本效果渐变填充(如何设置文本效果为渐变填充预设颜色)

  • 淘宝消保保证金已从不可用余额迁出(淘宝消保保证金客服电话)

    淘宝消保保证金已从不可用余额迁出(淘宝消保保证金客服电话)

  • 物联卡只显示3g网络(物联卡只显示4G怎么办)

    物联卡只显示3g网络(物联卡只显示4G怎么办)

  • 为什么抖音音浪不显示(为什么抖音音浪越来越少)

    为什么抖音音浪不显示(为什么抖音音浪越来越少)

  • 苹果xr哪个版本是单卡(苹果xr哪个版本适合养老)

    苹果xr哪个版本是单卡(苹果xr哪个版本适合养老)

  • 闪送怎么接单(闪送怎么接单的)

    闪送怎么接单(闪送怎么接单的)

  • 显卡风扇一转一停循环(显卡风扇一转一停无限循环)

    显卡风扇一转一停循环(显卡风扇一转一停无限循环)

  • 苹果qq不能录屏直播(苹果手机qq不能录屏直播吗)

    苹果qq不能录屏直播(苹果手机qq不能录屏直播吗)

  • 数据终端电阻的作用是什么(数据终端电阻的计算公式)

    数据终端电阻的作用是什么(数据终端电阻的计算公式)

  • 8p充电要多久(8p充电多久能充满)

    8p充电要多久(8p充电多久能充满)

  • 快手卫星地图是什么软件(快手上的那个地图是什么软件)

    快手卫星地图是什么软件(快手上的那个地图是什么软件)

  • wps和office兼容吗(wps和microsoft office兼容吗)

    wps和office兼容吗(wps和microsoft office兼容吗)

  • 怎么找回抖音账号(怎么找回抖音账写)

    怎么找回抖音账号(怎么找回抖音账写)

  • iphone8p有什么颜色(苹果手机8p颜色有哪些)

    iphone8p有什么颜色(苹果手机8p颜色有哪些)

  • vivo支持无线充电器吗(vivos16支持无线充电吗)

    vivo支持无线充电器吗(vivos16支持无线充电吗)

  • 实名补登记是啥意思(实名补登记是什么意思)

    实名补登记是啥意思(实名补登记是什么意思)

  • 苹果max有指纹解锁吗(苹果max指纹在哪里)

    苹果max有指纹解锁吗(苹果max指纹在哪里)

  • 如何修改微信发送日期(如何修改微信发的朋友圈内容)

    如何修改微信发送日期(如何修改微信发的朋友圈内容)

  • 交易猫交易中不退款怎么办(交易猫交易不成功要手续费吗)

    交易猫交易中不退款怎么办(交易猫交易不成功要手续费吗)

  • 荣耀20如何长截图(荣耀如何长截屏聊天记录图片)

    荣耀20如何长截图(荣耀如何长截屏聊天记录图片)

  • 华为mate20指纹在哪里(华为mate20指纹没反应)

    华为mate20指纹在哪里(华为mate20指纹没反应)

  • 转让金融商品需要缴纳增值税吗
  • 房地产税收有哪些
  • 企业给员工购买社保的规定
  • 无形资产175加计扣除会计如何处理
  • 一般纳税人增值税可以抵扣吗
  • 销售收入与营业费用的配比
  • 垫付生育津贴的钱怎么算
  • 取得出口退税款算什么收入
  • 营改增计算举例
  • 个人所得税财产所得
  • 确认一个会计项目应符合的基本标准有
  • 销项负数发票如何作废
  • 企业装载机管理制度
  • 个税税务稽查
  • 离职补偿金需要交工会经费吗
  • 差额征税科目
  • 没有产权的房子可以公证吗
  • 借贷记账法的记账规则是
  • 境外代扣代缴所得税
  • mac怎么安装dmg软件
  • 华为手机隐藏应用
  • mid文件和midi文件
  • 公司收到个人入股资金要交税吗
  • 应交税金减免税款
  • 跨期发票怎么作废
  • 期间损益的科目
  • php实现搜索的方式
  • yolov3网络结构详解
  • 企业雇佣临时工个税
  • php的序列化操作生成的哪种格式
  • 其他货币资金明细科目有哪些
  • ICLR2023《Crossformer: Transformer Utilizing Cross-Dimension Dependency for Multivariate Time Series》
  • opencv焊点缺陷检测
  • 公司账户转账给个人要交税吗
  • 研发专利什么意思
  • 小规模纳税人的企业所得税怎么算
  • 土地增值税成本费用
  • 域名费用怎么交
  • 帝国cms文件夹介绍
  • 工商登记备案在哪查
  • phpcms v9安装教程
  • 手机超过多少钱算贵
  • 用友会计科目增加二级
  • 营业收入计入销售收入吗
  • 专项附加可以随便填吗
  • mysql Non-Transactional Database Only(只支持MyISAM)
  • 兼职工资帐务处理
  • 软件即征即退开票信息与资料不符
  • 凭证类别的种类及限制条件
  • 收入准则适用范围
  • 国土资源税的计税依据
  • 会计人要求
  • 收到投资款如何声明
  • 航信服务费减免怎么填
  • 股东以私人名义出资
  • 本年利润在明细里怎么填
  • 红冲调整什么意思
  • 社保基数在哪里申报
  • 股东利润分配预缴税款
  • 一般纳税人购买固定资产进项税可以抵扣吗
  • 会计怎么核对出纳的日记账
  • 开票6个点怎么计算
  • 建账时必须输入的内容有哪些
  • 查看linux服务器内存命令
  • linux转移文件代码
  • w10 2021年更新
  • backtrack5教程
  • python线程池最大数量
  • 安卓域名重定向
  • css全局声明
  • javascript包含哪三大部分
  • python库怎么用
  • python jsonp
  • android support包
  • jquery.js插件
  • 天津违规养犬的处罚依据
  • 成都市税务局公示名单公布
  • 润泽一词出自哪里
  • 加强案件查办工作方案
  • 铜川财务
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设