python pandas数据分析_pandas汇总统计?

控制台中输入命令：pip install pandas进行下载pandas

pandas下载成功后，会出现上述界面

pandas提供了使我们能够快速便捷地处理结构化数据的大量数据结构和函数

pandas兼具NumPy高性能的数组计算功能以及电子表格和关系型数据库灵活的数据处理功能

Series是一种类似于一维数组的对象，由数据(各种NumPy数据 类型)以及与之相关的数据标签(即索引)组成

可以通过字典构建Series对象，Series对象的索引也是可以修改的

举例：

import pandas as pd

data = [1, 2, 3]
series1 = pd.Series(data=data)
print(series1, type(series1))
# 获取下标为0的数据
print(series1[0])
print(">" * 70)
# 通过字典创建series
data1 = {1: "java", 2: "python", 3: "scala"}
series2 = pd.Series(data=data1)
print(series2, type(series2))
# 根据key值进行获取数据
print("根据key值获取数据:"+series2[2])
print(">" * 70)
# 创建series给定下标 根据给定key值进行创建
series3=pd.Series(data=data1, index=[2, 3])
print(series3)

结果：

 相关函数：获取最大值与获取最小值：series1.max();series1.min()

结果： 

Dataframe是一个表格型的数据结构，它含有一组有序的列，每 列可以是不同的值类型(数值、字符串、布尔值等)

Dataframe既有行索引也有列索引，可以看做由Series组成的字典

Dataframe的创建可以通过字典创建，也可以通过列表创建，在使用列表创建时，默认情况下输出的列名称为数字顺序，可以在创建时加入设置列名称：columns=... ...

# 创建dataframe,通过字典创建
data2 = {
    "Language": ["Python", "java", "scala", "sql"],
    "application": ["pyspark", "hadoop", "spark", "hive"]
}
df = pd.Dataframe(data=data2)
print(df)
# 通过列表创建,可以增加列名称
data3 = [["java", "1"], ["Python", "2"], ["scala", "3"]]
df2 = pd.Dataframe(data=data3, columns=["Language", "Number"])
print(df2)

结果：

当dataframe中只有一列数据时，仍然表示的是一个dataframe，而不是series

data4=[[10],[20],[30]]
df3=pd.Dataframe(data4)
print(df3,type(df3))

使用Drop方法进行删除操作

格式：Dataframe.drop(labels=["行/列名称"]，axis=0:表示行/1:表示列)

当想要进行删除操作时，需要指定删除的是行数据还是列数据

这里的指定有一个变量axis，若在进行删除操作时，不加axis的值，axis默认为0，表示删除行数据

但是这里进行删除后的dataframe是一个新的dataframe，若想使被删除的原dataframe在删除后变为删除后的表，需要使用inplace方法进行替换

格式：Dataframe.drop(labels=["行/列名称"]，axis=0:表示行/1:表示列，inplace=True)

这里的inplace默认为False

# 删除df2中的列数据Number
df4=df2.drop(labels=["Number"], axis=1)
print(df4)
# 这里删除后的数据存到了df4中，df2中并未被删除
#使用inplace使df2中数据也被删除
print(">" * 70)
df2.drop(labels=["Number"], axis=1, inplace=True)
print(df2)

结果：

dataframe中进行获取数据时，有多种获取数据的方法

1、通过key（列）获取数据

2、通过.+列名称进行获取

1、通过dataframe.loc[index(行下标)]进行获取固定下标的一行数据

2、通过dataframe.head()进行从前获取5行数据

3、通过dataframe.tail()进行从后获取5行的数据

举例：

# 获取数据,通过key(列)进行获取
print(">" * 70)
print(df["application"], type(df["application"]))
# 通过.列名称获取
print(df.application,type(df.application))

data5 = {
    "Language": ["A", "B", "C", "D", "E", "F", "G"],
    "words": ["a", "b", "c", "d", "e", "f", "g"]
}
df5 = pd.Dataframe(data5)
print(df5.loc[2])  # 获取下标为2的数据
print(df5.head()) # 获取前5行数据
print(df5.tail()) # 获取后5行数据

获取列数据结果：

根据结果得出：通过列进行取值后，取出的数据为一个Series 

获取行数据结果：

根据结果得出： 通过行获取的数据，是一个Dataframe

创建一个Dataframe，从其中获取到年龄小于18的学生信息

# 创建一个学生Dataframe
data6 = {
    "name": ["张同学", "李同学", "王同学"],
    "age": [17, 19, 16]
}
df6 = pd.Dataframe(data=data6)
print(df6)
# 获取年龄小于18的结果
print("----获取年龄小于18的结果----")
print(df6["age"] < 18)
# 进一步获取年龄小于18的同学的信息
print("----进一步获取年龄小于18的同学的信息----")
print(df6[df6["age"] < 18])

结果：

使用describe可以针对Series或者Dataframe列进行计算汇总统计

对df6进行汇总统计：print(df6.describe())

数据1到3的内容表示他的四分位数 

pandas提供了一些用于将表格型数据读取为Dataframe对象的函数，常用的函数为read_csv和read_table

read_csv：从文件、URL、文件型对象中加载带分隔符 的数据。默认分隔符为逗号。

read_table：从文件、URL、文件型对象中加载带分隔 符的数据。默认分隔符为制表符(“t”) 

 read_csv中可以指定name的值，即读取到的文件存入dataframe中的列名称，使用names=[... ...]

# 读取文件
df7 = pd.read_csv("D:PyCharmProjectsday47datastudents.txt", names=["id", "name", "age", "gender", "clazz"])
print(df7)
print(df7.head())

结果：

read_csv/read_table常用参数介绍:

path :表示文件系统位置、URL、文件型对象的字符串

sep/delimiter:用于对行中个字段进行拆分的字符序列或正则表达式

header:用做列名的行号。默认为0(第一行)，若无header行，设为None

names:用于结果的列名列表，结合header=None skiprows: 需要忽略的行数

na_values:一组用于替换NA的值

nrows:需要读取的行数(从文件开始处算起)

verbose:打印各种解析器信息，比如“非数值列中缺失值的数量”

encoding:用于unicode的文本格式编码。例如，“utf-8”表示用UTF-8 编码的文本