内容：
1.查询数据的前几行、行数、列数、索引
2.根据某一列元素进行聚合并计数、并显示最多的那一类元素
3.对计数列进行加总
4.转换某一列的数据类型
5.统计某一列元素的种类
import pandas as pd
import numpy as np
#查询数据的前n行、后n行
df.head(10)查询数据的前10行
df.tail(10)查询数据的最后10行
#查询数据有多少行
df.shape[0]
df.info()
#查询数据有多少列
df.shape[1]
df.columns #是一个index型序列
#查询数据的索引
df.index
#根据某一列元素进行聚合并计数，并显示最多的那一类元素
new_df = df.groupby("item_name")
new_df = new_df.count()
new_df = new_df.sort_values(['随便一列'],ascending=False) #ascending=False表示降序
new_df.head(1)
#对计数列进行加总
total_item = df.quantity.sum()
total_item
#转换某一列的数据类型
#例子：某一列的元素是价格，格式是$+数字，比如$7.25,
#将其转换为float类型
dollarizer = lambda x:float(x[1:-1])
df.item_price = df.item_price.apply(dollarizer)
#在pandas中dtype('0')是字符串类型数据、dtype('float64')是浮点类型
#统计某一列的元素种类
number = df.columnname.value_counts().count()
2.users数据
#查询数据的前二十五行、后10行 users.head(25) users.tail(10) #查询数据的行数、列数 users.shape[0] users.shape[1] #查询数据的索引 users.index #查询每一列的数据类型 users.dtypes #打印某一列-occupation users.occupation users['occupation'] #查询某一列的数据有多少种类型 #查询数据集中有多少种occupations users.occupation.nunique() #或者 users.occupation.value_counts().count() #查询某一列数据中出现次数最多的元素 #查询occupation列中最频繁的元素 users.occupation.value_counts().head(1).index[0] users.occupation.value_counts().head() #筛选某一列出现最少的次数 user.age.value_counts().tail() #对数据进行描述性统计,只会返回numeric数据的统计结果 users.describe() #对数据的某一列进行描述性统计 users.occupation.describe() #计算某一列数值型数据的均值 users.age.mean()
3. food数据
#查询数据的尺寸 food.shape food.shape[0] food.shape[1] food.info() #打印数据所有的列索引 food.columns #查询某一列数据的类型 food.dtypes['-glucose_100g'] #查询数据的索引 food.index
