实验八 Pandas统计分析基础（任务一）

实验目的

1. 了解常用的数据分析方法
2. 掌握pandas的基本操作
3. 掌握缺失值处理方法
4. 掌握重复值处理方法
5. 掌握异常值处理方法
6. 掌握数据分组与差分的应用

实验内容

任务一：读取mtcar数据并实现以下操作

1. 查看mtcar数据集的元素的个数、维度、大小等信息，输出表的列名。
2. 使用describe方法对整个mtcar数据集进行描述性统计。
3. 计算不同cyl（气缸数）、carb（化油器）对应的mpg（油耗）和hp（马力）的均值。
4. 输出mpg和hp前5个元素。
5. 输出mtcar数据的前3行元素。
6. 使用head()和tail()方法输出前后5行数据。
7. 用loc和iloc分别提取第1列和第3列的数据。
8. 取出列名为mpg、hp，行名为2，3，4的数据。
9. 取出列位置为2和4，行位置为5，6，7的数据。
10. 取出列位置为3，行名为2-6的数据。
11. 新增1列，名称为abc（abc=mpg+hp），输出前5行数据。
12. 删除前两行数据。
13. 删除abc列。

实验过程

1. 查看mtcar数据集的元素的个数、维度、大小等信息，输出表的列名。

程序代码如下

import pandas as pd
mtcars = pd.read_csv('F:\\mtcars.csv')
print('mtcars的元素个数为：\n',mtcars.size)
print('mtcars的元素维度为：\n',mtcars.ndim)
print('mtcars的元素大小为：\n',mtcars.shape)
print('mtcars的表的列名为：\n',mtcars.columns)

2. 使用describe方法对整个mtcar数据集进行描述性统计。

程序代码如下

import pandas as pd
mtcars = pd.read_csv('F:\\mtcars.csv')
print('对整个mtcar数据集进行描述性统计为:\n',mtcars.describe())

3. 计算不同cyl（气缸数）、carb（化油器）对应的mpg（油耗）和hp（马力）的均值。

程序代码如下

import pandas as pd
mtcars = pd.read_csv('F:\\mtcars.csv')
x = mtcars.loc[:,['cyl','carb','mpg','hp']]
y = x.groupby(['cyl','carb']).mean()
print('不同cyl(气缸数)、carb(化油器)对应的mpg(油耗)和hp(马力)的均值为:\n',y)

4. 输出mpg和hp前5个元素。

程序代码如下

import pandas as pd
mtcars = pd.read_csv('F:\\mtcars.csv')
x = mtcars[['mpg','hp']][:5]
print('mpg和hp前5个元素为:\n',x)

5. 输出mtcar数据的前3行元素。

程序代码如下

import pandas as pd
mtcars = pd.read_csv('F:\\mtcars.csv')
x = mtcars[:][1:3]
print('mtcars数据的前3行元素为:\n',x)

6. 使用head()和tail()方法输出前后5行数据。

程序代码如下

import pandas as pd
mtcars = pd.read_csv('F:\\mtcars.csv')
print('mtcars数据的前5行元素为:\n',mtcars.head())
print('mtcars数据的后5行元素为:\n',mtcars.tail())

7. 用loc和iloc分别提取第1列和第3列的数据。

程序代码如下

import pandas as pd
mtcars = pd.read_csv('F:\\mtcars.csv')
print('mtcar数据的第1列和第3列的数据为:\n',mtcars.loc[:,['mpg','disp']])
print('mtcar数据的第1列和第3列的数据为:\n',mtcars.iloc[:,[1,3]])

8. 取出列名为mpg、hp，行名为2，3，4的数据。

程序代码如下

import pandas as pd
mtcars = pd.read_csv('F:\\mtcars.csv')
print('列名为mpg、hp，行名为2，3，4的数据为:\n',mtcars.loc[2:4,['mpg','hp']])

9. 取出列位置为2和4，行位置为5，6，7的数据。

程序代码如下

import pandas as pd
mtcars = pd.read_csv('F:\\mtcars.csv')
print('列位置为2和4，行位置为5，6，7的数据为:\n',mtcars.iloc[5:8,[2,4]]) #前闭后开区间

10. 取出列位置为3，行名为2-6的数据。

程序代码如下

import pandas as pd
mtcars = pd.read_csv('F:\\mtcars.csv')
print('列位置为3，行名为2-6的数据为:\n',mtcars.loc[2:6,['disp']])

11. 新增1列，名称为abc（abc=mpg+hp），输出前5行数据。

程序代码如下

import pandas as pd
mtcars = pd.read_csv('F:\\mtcars.csv')
mtcars['abc']=mtcars['mpg']+mtcars['hp']
print('输出前5行数据为:\n',mtcars.head())

12. 删除前两行数据。

程序代码如下

import pandas as pd
mtcars = pd.read_csv('F:\\mtcars.csv')
print('删除前两行数据前的长度为:\n',len(mtcars))
mtcars.drop(labels=range(0,2),axis=0,inplace=True)
print('删除前两行数据后的长度为:\n',len(mtcars))
print('前五行数据为：\n',mtcars.head())

13. 删除abc列。

程序代码如下

import pandas as pd
mtcars = pd.read_csv('F:\\mtcars.csv')
mtcars['abc']=mtcars['mpg']+mtcars['hp']
print('删除abc前列索引为:\n',mtcars.columns)
mtcars.drop(labels='abc',axis=1,inplace=True)
print('删除abc后列索引为:\n',mtcars.columns)