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)

  1. 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())

  1. 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)

  1. 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)

  1. 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)

  1. 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())

  1. 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]])

  1. 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']])

  1. 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

  1. 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']])

  1. 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())

  1. 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())

  1. 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)

你可能感兴趣的:(Python程序设计基础与应用,pandas,python,数据分析)