import pandas as pd
df = pd.read_excel('data/team.xlsx')
# df = pd.read_excel('https://www.gairuo.com/file/data/dataset/team.xlsx')
# print(df)
#
# print(df.head()) # 前五条
# print(df.tail()) # 后五条
# print(df.sample(5)) # 随机查看5条
# print(df.shape)
# print(df.info()) # 所有相关信息
'''
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 100 entries, 0 to 99
Data columns (total 6 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 name 100 non-null object
1 team 100 non-null object
2 Q1 100 non-null int64
3 Q2 100 non-null int64
4 Q3 100 non-null int64
5 Q4 100 non-null int64
dtypes: int64(4), object(2)
memory usage: 4.8+ KB
None
'''
# print(df.describe()) # 数值型列的汇总统计
'''
Q1 Q2 Q3 Q4
count 100.000000 100.000000 100.000000 100.000000
mean 49.200000 52.550000 52.670000 52.780000
std 29.962603 29.845181 26.543677 27.818524
min 1.000000 1.000000 1.000000 2.000000
25% 19.500000 26.750000 29.500000 29.500000
50% 51.500000 49.500000 55.000000 53.000000
75% 74.250000 77.750000 76.250000 75.250000
max 98.000000 99.000000 99.000000 99.000000
'''
# print(df.dtypes)
'''
name object
team object
Q1 int64
Q2 int64
Q3 int64
Q4 int64
dtype: object
'''
# print(df.axes) # 行、列名称
'''[RangeIndex(start=0, stop=100, step=1), Index(['name', 'team', 'Q1', 'Q2', 'Q3', 'Q4'], dtype='object')]'''
# print(df.columns) # 仅显示列名称
'''Index(['name', 'team', 'Q1', 'Q2', 'Q3', 'Q4'], dtype='object')'''
# 设置 name 为索引
df.set_index('name', inplace=True)
# print(df) # 原先自动加入的索引0-99不再存在
## 显示指定列
# print(df['Q1']) # 查看指定列，返回Series类型数据（同时显示索引）
# print(df.Q1) # 同上
# print(df[['team', 'Q1']]) # 查看指定多列（同时显示索引）
# print(df.loc[:, ['team', 'Q1']]) # 同上，如果用到自然索引要用df.iloc
## 显示指定行
# print(df[df.index=='Liver'])
# print(df[0:3])
# print(df[0:10:2])
# print(df.iloc[:10, :])
## 显示指定行和列
# print(df.loc['Ben', 'Q1':'Q4'])
'''
Q1 21
Q2 43
Q3 41
Q4 74
Name: Ben, dtype: object
'''
# print(df.loc['Eorge':'Harlie', 'team':'Q3'])
'''
team Q1 Q2 Q3
name
Eorge C 93 96 71
Oah D 65 49 61
Harlie C 24 13 87
'''
## 按一定条件显示数据
# print(df[df.Q1 > 90])
# print(df[df.team == 'C'])
# print(df[df.index == 'Oscar'])
## 组合条件，多重筛选
# print(df[(df['Q1'] > 90) & (df['team']=='C')])
# print(df[df['team']=='C'].loc[df.Q1>90])
## 排序
# print(df.sort_values(by='Q1'))
# print(df.sort_values(by='Q1', ascending=False)) # 降序
# print(df.sort_values(['team', 'Q1'], ascending=[True, False]))
## 分组聚合
# print(df.groupby('team').sum())
# print(df.groupby('team').mean())
# print(df.groupby('team').agg({'Q1':'sum', 'Q2':'count', 'Q3':'mean', 'Q4':'max'}))
# print(df.groupby('team').agg({'Q1':sum, 'Q2':'count', 'Q3':'mean', 'Q4':max})) # 同上
'''
Q1 Q2 Q3 Q4
team
A 1066 17 51.470588 97
B 975 22 54.636364 99
C 1056 22 48.545455 98
D 860 19 65.315789 99
E 963 20 44.050000 98
'''
## 数据转置
# print(df.groupby('team').sum().T)
# print(df.groupby('team').sum().stack()) #按team列分组，每组再按剩余列分小组，计算各小组总和
# print(df.groupby('team').sum().unstack()) #按除team列之外的其它列分大组，再按team列分小组，计算各小组总和
## 增加列
# df['one'] = 1
# print(df)
# df['total'] = df.Q1 + df.Q2 + df.Q3 + df.Q4
# print(df)
# df['total'] = df.loc[:, 'Q1':'Q4'].apply(lambda x: sum(x), axis=1)
# print(df)
# df['total'] = df.sum(axis=1)
# print(df)
# print(df.mean()) # 所有列均值
# print(df.mean(1)) # 所有行均值
# print(df.corr())
'''
Q1 Q2 Q3 Q4
Q1 1.000000 0.142088 -0.125436 -0.010781
Q2 0.142088 1.000000 0.056270 -0.033213
Q3 -0.125436 0.056270 1.000000 0.041418
Q4 -0.010781 -0.033213 0.041418 1.000000
'''
# print(df.count()) # 每一列非空值的个数
# df.max()
# df.min()
# df.median() # 中位数
# df.std()
# df.var()
# df.mode() # 众数
import matplotlib.pyplot as plt
# df['Q1'].plot()
# plt.show()
# df.loc['Ben', 'Q1':'Q4'].plot()
# plt.show()
# df.loc['Ben', 'Q1':'Q4'].plot.bar() # 柱状图
# plt.show()
# df.loc['Ben', 'Q1':'Q4'].plot.barh() # 横向柱状图
# plt.show()
## 多条折线图
# print(df.groupby('team').sum().T)
# df.groupby('team').sum().T.plot()
# plt.show()
## 饼图
# print(df.groupby('team').count())
# df.groupby('team').count().Q1.plot.pie()
# plt.show()
df.to_excel('data/team-done.xlsx') # 导出文件
df.to_csv('data/team-done.csv')
0
点赞
收藏
分享
Pandas第一课笔记（基本的数据处理）
相关推荐
0 条评论
