Python数据分析与实战（微课版）课件 第3章 pandas统计分析基础.pptxVIP

pandas统计分析基础

目录

1读/写不同数据源的数据

2DataFrame的常用操作

3转换与处理时间序列数据

4使用分组聚合进行组内计算

2

pandas是Python的核心数据分析支持库，提供了快速、灵活、明确的数据结构，旨在简单、直观地处理关

系型、标记型数据。

pandas建造在NumPy之上，所以使得pandas在以NumPy为中心的应用中得以容易的使用，而pandas库在与

其它第三方科学计算支持库结合时也能够完美的进行集成。

在Python中，pandas库的功能十分强大，它可提供高性能的矩阵运算。

·可用于数据挖掘和数据分析，同时也提供数据清洗功能；

·支持类似SQL的数据增、删、查、改等操作，并且带有丰富的数据处理函数；

·支持时间序列数据分析功能；支持灵活处理缺失数据等。

认识pandas库

3

pandas有两个强大的利器。

·Series(一维数据)是一种类似于一维数组的对象，是由一组数据(各种NumPy数据类型)以及一组与之相关的数据标签(即索引)组成，而仅由一组数据也可产生简单的Series对象。

·DataFrame是pandas中的一个表格型的数据结构，包含有一组有序的列，每列可以是不同的值类型(数值、字符串、布尔型等),DataFrame既有行索引也有列索引，可以被看做是由Series组成的字典。

认识pandas库

4

文本文件是一种由若干行字符构成的计算机文件，它是一种典型的顺序文件。

CSV是一种用分隔符分隔的文件格式，因为其分隔符不一定是逗号，所以又被称为字符分隔文件。

文本文件以纯文本形式存储表格数据(数字和文本),它是一种通用、相对简单的文件格式，较广泛地应用是在程序之间转移表格数据，而这些程序本身是在其他程序不兼容的格式上进行操作的(往往是私有的、无通用规范的格式)。

大量程序都支持CSV或其变体，所以CSV或其变体可以作为大多数程序的输入和输出格式。

读/写文本文件

5

1.文本文件读取

CSV文件根据其定义也是一种文本文件。在数据读取过程中可以使用文本文件的读取函数对CSV文件进行

读取。同时，如果文本文件是字符分隔文件，那么可以使用读取CSV文件的函数进行读取。pandas提供了read_table()函数读取文本文件，提供了read_csv(函数读取CSV文件。

读/写文本文件

6

read_table()函数和read_csVO函数具有许多参数，如果有多个expression,那么表达式之间用逗号隔开，

基本使用格式如下。

pandas.read_table(filepath_or_buffer;*,sep=_NoDefault.no_default,delimiter=None,

header=infer,names=_NoDefault.no_default,index_col=None,usecols=None,dtype=None,engine=None,converters=None,true_values=None,false_values=None,

skipinitialspace=False,skiprows=None,skipfooter=0,nrows=None,na_values=None,

keep_default_na=True,na_filter=True,verbose=_NoDefault.no_default,

skip_blank_lines=True,parse_dates=False,infer_datetime_format=_NoDefault.no_default,keep_date_col=_NoDefault.no_default,date_parser=_NoDefault.no_default,

date_format=None,dayfirst=False,cache_dates=True,iterator=False,chunksize=None,compression=infer,thousands=None,decimal=,lineterminator=None,quotechar=,quoting=0,doublequot