目录
DataFrame按照复合索引取值
Series复合索引
练习一：使用matplotlib呈现店铺总数排名前十的国家
练习二：使用matplotlib呈现出中国每个城市的店铺数量
练习三 统计书的数量，书的评分情况
DataFrame按照复合索引取值
import pandas as pd
import numpy as np
from matplotlib import pyplot as plt
df1 = pd.DataFrame(np.array([[0,1,2,3],["d","e","q","q"],["r","r","q","p"]]),index=list("abc"),columns=list("lxyz"))
print(df1)
print("*"*100)
df1 = df1.set_index(["y","z"])
print(df1,type(df1))
print("*"*100)
print(df1.loc["q"])
print("*"*100)
print(df1.swaplevel())#交换两个索引的位置
print("*"*100)
#按照索引取值
print(df1.loc["q"].loc["q"])
Series复合索引
import pandas as pd
import numpy as np
from matplotlib import pyplot as plt
df1 = pd.DataFrame(np.array([[0,1,2,3],["d","e","q","q"],["r","r","q","p"]]),index=list("abc"),columns=list("lxyz"))
print(df1)
print("*"*100)
df1 = df1.set_index(["y","z"])["x"]
print(df1,type(df1))
print("*"*100)
#按照索引取值
print(df1["q","p"])
print("*"*100)
print(df1.swaplevel())#交换两个索引的位置
print("*"*100)
#按照索引取值
print(df1["q","q"])
print("*"*100)
练习一：使用matplotlib呈现店铺总数排名前十的国家
import pandas as pd
import numpy as np
from matplotlib import pyplot as plt
#获取数据
file_path = "./starbucks_store_worldwide.csv"
df = pd.read_csv(file_path)
#呈现店铺总数排名前十的国家
df = df.groupby(by="Country").count()["Brand"].sort_values(ascending=False)[:10]
#绘制柱形图
_y = df.values
_x = df.index
print(_y)
plt.figure(figsize=(20,8),dpi=80)
plt.bar(range(len(_x)),_y)
plt.xticks(range(len(_x)),_x)
plt.show()
练习二：使用matplotlib呈现出中国每个城市的店铺数量
import pandas as pd
import numpy as np
from matplotlib import pyplot as plt
# 支持中文
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号
#获取数据
file_path = "./starbucks_store_worldwide.csv"
df = pd.read_csv(file_path)
df = df[df["Country"]=="CN"]
#呈现出中国每个城市的店铺数量
df = df.groupby(by="City").count()["Brand"].sort_values(ascending=False)[:30]
_x = df.index
_y = df.values
plt.figure(figsize=(20,8),dpi=80)
plt.bar(range(len(_x)),_y,width=0.3)
plt.xticks(range(len(_x)),_x)
plt.show()
练习三 统计书的数量，书的评分情况
现在我们有全球排名靠前的10000本书的数据，那么请统计一下下面几个问题：
不同年份书的数量
import pandas as pd import numpy as np from matplotlib import pyplot as plt # 支持中文 plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签 plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号 #获取数据 file_path = "./books.csv" df = pd.read_csv(file_path) #处理缺失数据 #由.info()可知，书的年份信息有缺失，年份信息显然不能通过求值来补充，只能删除其所在行数据来处理缺数 data1 = df[pd.notnull(df["original_publication_year"])]#提取出不为nan的数据 #统计操作,不同年份书的数量 grouped = data1.groupby(by="original_publication_year").count()["book_id"] #不同年份书的平均评分情况 grouped1 = data1["average_rating"].groupby(by=data1["original_publication_year"]).mean() print(grouped1)
不同年份书的平均评分情况
#不同年份书的平均评分情况 grouped1 = data1["average_rating"].groupby(by=data1["original_publication_year"]).mean() #绘制折线图 _x = grouped1.index _y = grouped1.values plt.figure(figsize=(20,8),dpi=80) plt.plot(range(len(_x)),_y) #x轴标签太密集，可以设置步长 plt.xticks(list(range(len(_x)))[::10],_x[::10],rotation=45) plt.show()
