Python数据分析分析和总结.docxVIP

实训：Python 数据分析 〖实训目的〗 了解 Python 基本编程语法，掌握 Python 进行数据载入、预处理、分析和可视化的方法。 〖实训内容与步骤〗 在 Python 中导入数据 读取 CSV 文件 CSV 文件是由由逗号分割字段构成的数据记录型文件。我们可以方便地把 EXCEL 中的电子表格存储为 CSV 文件。例如，我们有一份CSV 格式的数据（例子 数 据 是 英 国 近 些 年 的 降 雨 量 统 计 数 据 ， 可 以 从 以 下 网 址 找 到 ：二维码 2-15 .uk/dataset/average-temperature-and-rainfall-england-and-wales/urke_rain_2014 数据 source/3fea0f7b-5304-4f11-a809-159f4558e7da），也可扫描右侧二维码进行下载。 从 EXCEL 中看到的数据如下图 2-53 所示： 图 2-53 读取 CSV 文件如果这个文件被保存在以下位置： D:\data\uk_rain_2014.csv 我们可以在 Python 中利用 Pandas 库将它导入： import pandas as pd import pandas as pd df = pd.read_csv(d:\\data\\uk_rain_2014.csv, header=0) 这里需要注意的是，因为 windows 下用于分割目录的“\”符号在 Python 中被用于转义符（转义符就是用来输入特殊符号的引导符号，例如\n 是回车,\r 是换行等），因此“\”本身在 Python 语言中需要通过“\\”来输入。 以上两行程序就将这个 csv 文件导入成 pandas 中的一种类型为 Dataframe 的对象中，并给这个对象起名为 df。 为了验证我们确实导入了这个数据文件，我们可以把 df 的内容打印出来： print df print df Water Year Rain (mm) Oct-Sep 1182 1098 1156 993 1182 1027 1151 1210 976 1130 1022 1151 1130 Outflow (m3/s) Oct-Sep Rain (mm) Dec-Feb \ 0 1 2 3 4 5 6 7 8 9 10 11 12 1980/81 1981/82 1982/83 1983/84 1984/85 1985/86 1986/87 1987/88 1988/89 1989/90 1990/91 1991/92 1992/93 5408 5112 5701 4265 5364 4991 5196 5572 4330 4973 4418 4506 5246 292 257 330 391 217 304 295 343 309 470 305 246 308 读取 EXCEL 文件 因为 EXCEL 文件本身可以方便地另存为 CSV 文件，所以把 EXCEL 文件导入Python 的一种办法就是将 EXCEL 中的数据表另存为 CSV 文件，然后利用上一节的方法将 CSV 导入 Python。 import pandas as pddf = pd.read_excel(d:\\data\\uk_rain_2014.xlsx)当然，Pandas 也提供了直接读取 EXCEL 文件的方法。同样，如果相应的 EXCEL 文件放在 D:\data\uk_rain_2014.xlsx，我们同样可以在 Python 中利用 Pandas import pandas as pd df = pd.read_excel(d:\\data\\uk_rain_2014.xlsx) 同样，我们也可以把 df 的内容打印出来作为验证。 将数据导入 Python 之后，我们就可以对数据进行分析了。但在数据量很大的时候，我们往往需要从数据中提取和筛选出一部分数据来进行针对性的分析。 数据提取和筛选 仍然针对上面导入的英国天气数据，由于数据有很多行，我们希望只看到数据的前 5 行： df.head(5) df.head(5) Water Year Rain (mm) Oct-Sep Outflow (m3/s) Oct-Sep Rain (mm) Dec-Feb \ 0 1980/81 1182 5408 292 1 1981/82 1098 5112 257 2 1982/83 1156 5701 330 3 1983/84 993 4265 391 4 1984/85 1182 5364 217 0 Outflow (m3/s) Dec-Feb 7248 Rain (mm) Jun-Aug 174 Outfl