Python数据分析与挖掘 课件 第 4 章 pandas数据分析.pptx

Python数据分析与挖掘;第4章Pandas统计分析基础;第4章Pandas统计分析基础;4.1Pandas中的数据结构;4.1Pandas中的数据结构;4.1Pandas中的数据结构;4.1Pandas中的数据结构;4.1Pandas中的数据结构;4.1Pandas中的数据结构;4.1Pandas中的数据结构;4.1Pandas中的数据结构;4.1Pandas中的数据结构;4.1Pandas中的数据结构;4.1Pandas中的数据结构;4.1Pandas中的数据结构;4.1Pandas中的数据结构;4.1Pandas中的数据结构;4.1Pandas中的数据结构;4.1Pandas中的数据结构;4.1Pandas中的数据结构;4.1Pandas中的数据结构;4.1Pandas中的数据结构;4.2数据载入;4.2数据载入;【例4-17】使用read_csv函数读取CSV文件。;文本文件的存储

文本文件的存储和读取类似，结构化数据可以通过pandas中的to_csv函数实现以CSV文件格式存储文件。

DataFrame.to_csv(path_or_buf=None,sep=’,’,na_rep=”,columns=None,header=True,index=True,index_label=None,mode=’w’,encoding=None);读/写Excel文件;读/写Excel文件;Excel文件的存储

将文件存储为Excel文件，可以使用to_excel方法。其语法格式如下：

DataFrame.to_excel(excel_writer=None,sheetname=None’,na_rep=”,header=True,index=True,index_label=None,mode=’w’,encoding=None)

to_csv方法的常用参数基本一致，区别之处在于指定存储文件的文件路径参数名称为excel_writer，并且没有sep参数，增加了一个sheetnames参数用来指定存储的Excelsheet的名称，默认为sheet1。;读/写JSON数据;读取数据库文件;读取数据库文件;读取数据库文件;4.3Pandas索引操作;4.3Pandas索引操作;4.3Pandas索引操作;4.3Pandas索引操作;4.3Pandas索引操作;4.3Pandas索引操作;4.3Pandas索引操作;4.4DataFrame的数据查询与编辑;4.4DataFrame的数据查询与编辑;4.4DataFrame的数据查询与编辑;4.4DataFrame的数据查询与编辑;4.4DataFrame的数据查询与编辑;4.4DataFrame的数据查询与编辑;4.4DataFrame的数据查询与编辑;4.4DataFrame的数据查询与编辑;4.4DataFrame的数据查询与编辑;4.4DataFrame的数据查询与编辑;4.4DataFrame的数据查询与编辑;4.4DataFrame的数据查询与编辑;4.4DataFrame的数据查询与编辑;4.4DataFrame的数据查询与编辑;4.4DataFrame的数据查询与编辑;4.4DataFrame的数据查询与编辑;4.4DataFrame的数据查询与编辑;4.4DataFrame的数据查询与编辑;4.5Pandas数据运算;4.5Pandas数据运算;4.5Pandas数据运算;4.5Pandas数据运算;4.5Pandas数据运算;4.5Pandas数据运算;4.5Pandas数据运算;4.5Pandas数据运算;4.5Pandas数据运算;4.5Pandas数据运算;4.5Pandas数据运算;4.5Pandas数据运算;4.5Pandas数据运算;4.5Pandas数据运算;4.5Pandas数据运算;;4.6数据分组与聚合;4.6数据分组与聚合;4.6数据分组与聚合;4.6数据分组与聚合;4.6数据分组与聚合;4.6数据分组与聚合;4.6数据分组与聚合;4.6数据分组与聚合;4.6数据分组与聚合;【例4-52】利用agg分别求字段的不同统计量。;【例4-66】统计不同性别人群的血小板计数。;4.6数据分组与聚合;4.6数据分组与聚合;4.7数据透视表;4.7数据透视表;;;4.7数据透视表;4.7数据透视表;4.7数据透视表;4.8Pandas可视化;4.8Pandas可视化;4.8Pandas可视化;98;4.8Pandas可视化;4.8Pandas可视化;4.8Pandas可