Python程序设计：使用python进行数据分析.pptxVIP

Python数据分析技术 美国总统大选民意调查 知识点： Python数据分析 Python数据分析 Python数据分析过程 数据的导入和导出 数据筛选 数据处理 统计分析 可视化 数据处理 读写数据 在Pandas中，可通过DataFrame对象的to_csv()方法完成csv文件的写入。 在Pandas中读写Excel文件的时候需要依赖xlrd和openpyx库。可通过read_excel()函数和to_excel()实现Excel文件的读取和写入。 数据处理 处理缺失数据 Pandas主要用numpy.nan来表示缺失数据。通常缺失数据会导致数据分析结果不准确甚至错误，所以，很有必要对缺失数据进行处理。 针对缺失值的处理，最常用的就是删除法和替换法。 数据处理 数据分组 Pandas中为DataFrame提供了相关的分组方法，就类似关系型数据库中的分组一样。 groupby()方法主要用于DataFrame的分组计算。 Pandas为我们提供了几个专门用于做聚合的方法，可以灵活对划分的组进行聚合计算。 agg()方法可以一次性求出不同字段的不同统计性指标。 apply()方法和agg()方法用法大体相似，区别在于：agg()方法对各个分组必须进行聚合函数计算，最终会把每一个组的多个元素汇总为一个标量，而apply()方法相对更加灵活，除了可以进行聚合函数计算外，还能进行诸如排序等操作。 数据处理 数据排序 sort_values()方法：既可以根据列数据，也可根据行数据排序。必须指定by参数，即必须指定哪几行或哪几列；无法根据index名和columns名排序 sort_index()方法：默认根据行标签对所有行排序，或根据列标签对所有列排序，或根据指定某列或某几列对行排序。 df. sort_index()可以完成和df. sort_values()完全相同的功能，但python更推荐：只用df. sort_index()对“根据行标签”和“根据列标签”排序，其他排序方式用df.sort_values() Python数据分析 美国总统大选民意调查 pandas_base.py Pandas库使用基础 Pandas使用基础 使用Pandas对数据进行基本处理 小结 谢谢观看