|
Excel 中的数据说明成果中提供协方差的计较，python 中通过 cov 函数计较两个字段或数据表中各字段间的协方差。
Cov 函数用来计较两个字段间的协方差，可以只对特定字段举办计较，也可以对整个数据表中各个列之间举办计较。
- #两个字段间的协方差
- df_inner['price'].cov(df_inner['m-point'])
- 17263.200000000001
- #数据表中全部字段间的协方差
- df_inner.cov()
相干说明
Excel 的数据说明成果中提供了相相关数的计较成果，python 中则通过 corr 函数完成相干说明的操纵，并返回相相关数。
Corr 函数用来计较数据间的相相关数，可以单独对特定命据举办计较，也可以对整个数据表中各个罗列办计较。相相关数在-1 到 1 之间，靠近 1 为正相干，靠近-1 为负相干，0 为不相干。
- #相干性说明
- df_inner['price'].corr(df_inner['m-point'])
- 0.77466555617085264
- #数据表相干性说明
- df_inner.corr()
09 数据输出
第九部门是数据输出，处理赏罚和说明完的数据可以输出为 xlsx 名目和 csv 名目。
写入 excel
- #输出到 excel 名目
- df_inner.to_excel('excel_to_python.xlsx', sheet_name='bluewhale_cc')
excel
写入 csv
- #输出到 CSV 名目
- df_inner.to_csv('excel_to_python.csv')
在数据处理赏罚的进程中，大部门基本事变是一再和机器的，对付这部门基本事变，我们可以行使自界说函数举办自动化。以下简朴先容对数据表信息获取自动化处理赏罚。
- 建设数据表
- 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'])
-
- Read more: http://bluewhale.cc/2017-04-21/use-python-for-data-analysis-like-excel-3.html#ixzz5rvBC8kaw
- #建设自界说函数
- def table_info(x):
- shape=x.shape
- types=x.dtypes
- colums=x.columns
- print("数据维度(行，列):n",shape)
- print("数据名目:n",types)
- print("列名称:n",colums)
-
- Read more: http://bluewhale.cc/2017-04-21/use-python-for-data-analysis-like-excel-3.html#ixzz5rvBC8kaw
- #挪用自界说函数获取df数据表信息并输出功效
- table_info(df)
-
- 数据维度(行，列):
- (6, 6)
- 数据名目:
- id int64
- date datetime64[ns]
- city object
- category object
- age int64
- price float64
- dtype: object
- 列名称:
- Index(['id', 'date', 'city', 'category', 'age', 'price'], dtype='object')
-
- Read more: http://bluewhale.cc/2017-04-21/use-python-for-data-analysis-like-excel-3.html#ixzz5rvBJs6Fv
以上就是用 Python 做数据说明的根基内容。 （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!
|
