一文看懂怎么用Python做数据分析

常碰着两类伴侣。一类是会爬虫但不知道怎样进一步做数据说明的，一类是泛泛用 Excel 做说明但不太会用 Python 说明的。假如和你很像，那下面这篇体系长文会很得当你，提议先保藏。

Excel 是数据说明中最常用的器材，本文通过 Python 与 excel 的成果比拟先容怎样行使 Python 通过函数式编程完成 excel 中的数据处理赏罚及说明事变。从 1787 页的 pandas 官网文档中总结出最常用的 36 个函数，通过这些函数先容怎样通过 Python 完成数据天生和导入、数据洗濯、预处理赏罚、数据分类、数据筛选、分类 汇总、透视等最常见的操纵。

文章内容共分为 9 个部门目次如下：

01 天生数据表

第一部门是天生数据表，常见的天生要领有两种，第一种是导入外部数据，第二种是直接写入数据。 Excel 中的文件菜单中提供了获取外部数据的成果，支持数据库和文本文件和页面的多种数据源导入。

python 支持从多种范例的数据导入。在开始行使 python 举办数据导入前必要先导入 pandas 库，为了利便起见，我们也同时导入 numpy 库。

import numpy as np 
import pandas as pd 

导入数据表

下面别离是从 excel 和 csv 名目文件导入数据并建设数据表的要领。代码是最简模式，内里有许多可选参数配置，譬喻列名称，索引列，数据名目等等。感乐趣的伴侣可以参考 pandas 的

官方文档。

df=pd.DataFrame(pd.read_csv('name.csv',header=1)) 
df=pd.DataFrame(pd.read_excel('name.xlsx')) 

建设数据表

另一种要领是通过直接写入数据来天生数据表，excel 中直接在单位格中输入数据就可以，python 中通过下面的代码来实现。天生数据表的函数是 pandas 库中的 DateFrame 函数，数据表一共有 6 行数据，每行有 6 个字段。在数据中我们特意配置了一些 NA 值和有题目的字段，譬喻包括空格等。后头将在数据洗濯步调举办处理赏罚。后头我们将同一以 DataFrame 的简称 df 来定名数据表。

df = pd.DataFrame({"id":[1001,1002,1003,1004,1005,1006], 
                   "date":pd.date_range('20130102', periods=6), 
                   "city":['Beijing ', 'SH', ' guangzhou ', 'Shenzhen', 'shanghai', 'BEIJING '], 
                   "age":[23,44,54,32,34,32], 
                   "category":['100-A','100-B','110-A','110-C','210-A','130-F'], 
                   "price":[1200,np.nan,2133,5433,np.nan,4432]}, 
                   columns =['id','date','city','category','age','price']) 

这是方才建设的数据表，我们没有配置索引列，price 字段中包括有 NA 值，city 字段中还包括了一些脏数据。

02 数据表搜查

第二部门是对数据表举办搜查，python 中处理赏罚的数据量凡是会较量大，好比我们之前的文章中先容的纽约出租车数据和 Citibike 的骑行数据，数据量都在万万级，我们无法一览无余的 相识数据表的整体环境，必必要通过一些要领来得到数据表的要害信息。数据表搜查的另一个目标是相识数据的轮廓，譬喻整个数据表的巨细，所占空间，数据名目，是否有空值和一再项和详细的数据内容。为后头的洗濯和预处理赏罚做好筹备。

数据维度(队列)

Excel 中可以通过 CTRL+向下的光标键，和 CTRL+向右的光标键来查察行号和列号。Python 中行使 shape 函数来查察数据表的维度，也就是行数和列数，函数返回的功效(6,6)暗示数据表有 6 行，6 列。下面是详细的代码。

#查察数据表的维度 
df.shape 
(6, 6) 

数据表信息

行使 info 函数查察数据表的整体信息，这里返回的信息较量多，包罗数据维度，列名称，数据名目和所占空间等信息。

#数据表信息 
df.info() 
  
<class 'pandas.core.frame.DataFrame'> 
RangeIndex: 6 entries, 0 to 5 
Data columns (total 6 columns): 
id          6 non-null int64 
date        6 non-null datetime64[ns] 
city        6 non-null object 
category    6 non-null object 
age         6 non-null int64 
price       4 non-null float64 
dtypes: datetime64[ns](1), float64(1), int64(2), object(2) 
memory usage: 368.0+ bytes 

查察数据名目

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!