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)

  • 车辆消费税征税范围是什么
  • 全年一次性奖金计税方式2023
  • 代理费住宿费都包括什么
  • 查询不到已经上市的股票
  • 未确认融资费用和长期应付款
  • 企业入库流程图
  • 已经勾选确认的发票可以取消认证吗
  • 契税缴纳企业所得税吗
  • 小规模增值税纳税申报表
  • 小规模增值税缴纳怎么算
  • 金税盘忘记清卡了
  • 一般空调安装费多少钱
  • 收到返还代扣代缴手续费如何入账?
  • linux下xhost命令报错:unable to open display的解决办法
  • win10蓝牙驱动程序下载
  • 单位代扣公积金比例
  • 银行存款和账面的关系
  • 销售自己使用过的物品的税率
  • 电脑网页播放视频只有声音没有画面
  • php utf8转unicode
  • PHP:mb_send_mail()的用法_mbstring函数
  • 哪些行业可以简易征收增值税
  • services.exe是什么服务
  • 用银行存款支付本季度短期借款利息
  • 加速折旧法计算公式 CFA
  • php知识总结
  • 商业银行贷款的三种基本形式
  • vue播放rtsp视频流
  • 野生动物huan
  • 大雾笼罩的早晨
  • 自产自销的苗木免税吗
  • 基于核心素养下的大单元教学设计
  • SpringBoot+Vue实现简单用户管理平台第一篇(后端接口设计)
  • vue前端面试官常问的问题
  • 红包生成算法
  • 工业企业采购商品过程中发生的进货费用
  • discuz去除底部
  • 个体工商户一年要交多少税
  • 加班补贴费
  • 库存现金科目的辅助核算项目为日记账
  • 商场返点怎么核算
  • 进什么税额
  • 百度地图api3.0
  • 个人所得税可以取出来用吗
  • 营改增小规模纳税人认定标准
  • 合伙企业税务处理办法
  • 企业实收资本与实缴资本
  • 工会经费计提比例是应发工资还是实发工资
  • 免抵税额要交税吗
  • 文化传媒公司的主营业务
  • 收到采购免费赔偿怎么办
  • 折扣怎么写会计分录
  • ubuntul
  • 总结下半年工作计划
  • 不固定参数的存储器
  • win7纯净版系统安装
  • 开始菜单里设置在哪里
  • winxp每次开机都要输入用户名
  • windows2003域控制器
  • u盘pe安装win7系统
  • windows保护电脑
  • 会声会影win7怎么兼容
  • hppusg.exe
  • 苹果mac最新的系统
  • 短链接生成app
  • win7 netplwiz
  • opengl mfc
  • node.js的流的作用
  • Cocos2dx3.2 Crazy Tetris update 定时更新 游戏逻辑处理
  • jsforeach循环遍历数组
  • dw中css规则定义中文
  • js 浏览器全屏
  • xml能写网页吗
  • python科学计算程序
  • jquery foreach循环
  • 江苏省高新区地图
  • 非道路机械环保标志图片
  • 杭州车辆购置税怎么算
  • 上海税务举报邮箱号
  • 会计人员的立场
  • 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