python数据分析1

python数据分析pandas库

---

前言

为啥要用python中的pandas库进行数据分析，用excel不可以吗？不可以，excel处理上万条数据时通常会死机或者出错，python不会有这种问题。相信鲤鱼学长，在学习乃至日后工作中，pandas库将会风靡相当长一段时间。

---

提示：以下是本篇文章正文内容，下面案例可供参考

1.1pandas是什么？

示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。

1.2加载数据集

1.引入库

代码如下（示例）：

import pandas 
import pandas as pd#这里是给pandas函数取了一个名字：pd，后面调用时写pd就行。

2.读入数据

代码如下（示例）：

df=pd.read_csv(r'C:\Users\WLY\Desktop\python数据分析(活用pandas库)\pandas_for_everyone-master\data\gapminder.tsv',sep='\t')
print(df.head())

1、默认情况下，read_csv函数会读取逗号分隔文件。
2、这里将sep参数设置为\t，是指明使用制表符分隔的意思。
3、调用head()方法，只显示前5行数据。
运行结果如下：

country continent  year  lifeExp       pop   gdpPercap
0  Afghanistan      Asia  1952   28.801   8425333  779.445314
1  Afghanistan      Asia  1957   30.332   9240934  820.853030
2  Afghanistan      Asia  1962   31.997  10267083  853.100710
3  Afghanistan      Asia  1967   34.020  11537966  836.197138
4  Afghanistan      Asia  1972   36.088  13079460  739.981106

3.检查返回的是否是DataFrame

df=pd.read_csv(r'C:\Users\WLY\Desktop\python数据分析(活用pandas库)\pandas_for_everyone-master\data\gapminder.tsv',sep='\t')
print(type(df))

运行结果如下：

<class 'pandas.core.frame.DataFrame'>

4.获取数据集的行数和列数

print(df.shape)

运行结果如下：

(1704, 6)

也就是说这个数据集有1704行，6列。

5.获取列名

print(df.columns)

运行结果如下：

Index(['country', 'continent', 'year', 'lifeExp', 'pop', 'gdpPercap'], dtype='object')

这里可以看到，列名的类型是object。

6.获取每列的dtype（类型）

print(df.dtypes)

运行结果如下：

country       object
continent     object
year           int64
lifeExp      float64
pop            int64
gdpPercap    float64
dtype: object

pandas类型	python类型	说明
object	string	最常用的数据类型
int64	int	整型
float64	float	带小数的数字
datatime64	datatime	python标准库里包含datatime，但是默认不加载，需要导入才能用

1.3查看列、行、单元格

1.3.1获取列子集

获取数据中的某列，比如获取country列。，这里将她保存到一个变量里。

country_df=df['country']
print(country_df.head())#显示前5行
print(country_df.tail())#显示后5行

运行结果如下：

#显示前5行
0    Afghanistan
1    Afghanistan
2    Afghanistan
3    Afghanistan
4    Afghanistan
Name: country, dtype: object
#显示后5行
1699    Zimbabwe
1700    Zimbabwe
1701    Zimbabwe
1702    Zimbabwe
1703    Zimbabwe
Name: country, dtype: object

通过列名获取多列。

subset=df[['country','continent','year']]
print(subset.head())
print(subset.tail())

运行结果如下：

country continent  year
0  Afghanistan      Asia  1952
1  Afghanistan      Asia  1957
2  Afghanistan      Asia  1962
3  Afghanistan      Asia  1967
4  Afghanistan      Asia  1972
       country continent  year
1699  Zimbabwe    Africa  1987
1700  Zimbabwe    Africa  1992
1701  Zimbabwe    Africa  1997
1702  Zimbabwe    Africa  2002
1703  Zimbabwe    Africa  2007

我用的python版本是python3.7 64位，pycharm是2017.1 64位。大家根据自己的电脑来安装python和编译器。

数据集下载链接：

链接：https://pan.baidu.com/s/1CwmLTn70bRlyWrSQXsDeyA
提取码：68ob

CSDNpython数据分析1代码下载：、

链接：https://pan.baidu.com/s/1eEzlkcK0-Ri7JAbRcvYoiA
提取码：8ijc
注意：
1、这里也可以选择不把结果打印出来。
2、python里路径的写法，我这(r’xxx’)是一种，不同的版本，不同的电脑不一样，当你检查代码还是报错的话，就搜索那个错误就可以找到不少解决方法。

---

有啥问题欢迎童鞋们留言！