Python pandas，查改增删和描述分析DataFrame数据

查改增删DataFrame数据

DataFrame作为一种二维数据表结构，能够和数据库一样实现查改增删操作，如添加一行，添加一列，删除一列，修改某一列的值等。

创建一个数据表，并添加数据：

修改行数据

添加列数据 

修改列数据

 drop()函数删除某列或某行数据

语法：

DataFrame.drop(labels,axis=0,level=None,inplace=False,errors='raise')

参数：

• labels:接收string或array。代表删除的行或列的标签。无默认
• axis:接收0或1，0表示行，1表示列。默认为0
• levels:接收int或者索引名。代表标签所在级别。默认为None
• inplace:接收boolean。代表操作是否对原数据生效。默认为False

删除行

删出多行

删除列

DataFrame数据的基本查看方式：

描述分析DataFrame数据

数值型特征的描述性统计——NumPy中的描述性统计函数

• 数值型数据的描述性统计主要包括了计算数值型数据的完整情况、最小值、均值、中位数、最大值、四分位数、极差、标准差、方差、协方差和变异系数等。在NumPy库中一些常用的统计学函数如下表所示。
• pandas库基于NumPy，自然也可以用这些函数对数据框进行描述性统计。

函数名称	说明	函数名称	说明
np.min	最小值	np.max	最大值
np.mean	均值	np.ptp	极差
np.median	中位数	np.std	标准差
np.var	方差	np.cov	协方差

 

 

 

 

 

 

 

数值型特征的描述性统计—— pandas描述性统计方法

• pandas还提供了更加便利的方法来计算均值 ，如detail['amounts'].mean()。
• pandas还提供了一个方法叫作describe，能够一次性得出数据框所有数值型特征的非空值数目、均值、四分位数、标准差。

方法名称	说明	方法名称	说明
min	最小值	max	最大值
mean	均值	ptp	极差
median	中位数	std	标准差
var	方差	cov	协方差
sem	标准误差	mode	众数
skew	样本偏度	kurt	样本峰度
quantile	四分位数	count	非空值数目
describe	描述统计	mad	平均绝对离差

 

 

 

 

 

 

 

 

 

python数据分析实例：

提取数据（已下载好），进行统计 计算小麦1931年、1932年的平均产量 绘制出对应的柱状图

import matplotlib.pyplot as plt
p=plt.figure(figsize=(4,5))   #设置画布
txt=pd.read_csv("C:/Users/ausu/tmp/barley2.csv")
DF_1931=txt[txt["Year"]==1931]  #取出1931年的数据
m_1931=DF_1931["Yield"].mean()
DF_1932=txt[txt["Year"]==1932]  #取出1932年的数据
m_1932=DF_1931["Yield"].mean()
plt.bar(["1931","1932"],[m_1931,m_1932])  #画直方图
plt.show()

结果：