数据的表格化分析与展示数组统计数据值计算下45课件讲解.pptxVIP

数据的表格化分析与展示-数组统计数据值计算（下）

任务描述任务描述：通过Pandas对于数据的统计值进行计算。主要内容：1.Pandas分组与聚合2.Pandas数据分析场景3.Pandas的统计方法4.Pandas统计数据的用途

Pandas统计数据的用途Pandas是一个广泛使用的Python数据处理和分析库(2)描述性统计和数据可视化：Pandas提供丰富的统计函数，如mean()、median()、std()、max()和min()等，可以计算数据集的各种统计指标。数据清洗和预处理：在进行数据分析和建模之前，通常需要对数据进行清洗和预处理。(4) 分组聚合：Pandas的groupby()函数可以根据指定的条件将数据分组，并进行聚合操作。(3) 数据透视表：数据透视表是一种常用的数据分析工具，可以对数据进行交叉分析和汇总。(5) 时间序列分析：Pandas提供了专门的函数和方法用于处理时间序列数据。

数字统计数据值计算关键步骤讲解导入Pandas获取数据计算数据的统计值数据导出

导入Pandas1、在Python中，需要通过import语句来导入所需的类库和模块。importpandasaspdimportnumpyasnp

获取数据2、创建DataFrame数据集模拟城市1到城市20的1到30日温度数据。dates=pd.date_range(2023-05-01,periods=30)cities=[City{}.format(i)foriinrange(1,21)]temperatures=np.random.randint(low=-10,high=30,size=(20,30))df=pd.DataFrame(data=temperatures,index=cities,columns=dates)在这一步骤中，需要使用Pandas的date_range()函数创建了一个日期索引（DateTimeIndex），该函数可以生成连续的日期或时间戳，以指定开始日期、结束日期、周期、日期间隔等参数。

计算数据的统计值3、在本步骤中，需要计算出所有城市在过去30天内的最高温度、最低温度、平均温度和中位数。max_temps=df.max(axis=1)min_temps=df.min(axis=1)mean_temps=df.mean(axis=1)median_temps=df.median(axis=1)

数据导出4、最后，可以把数据组合到一个新的DataFrame中，并使用Pandas的to_csv()函数将结果导出到本地计算机上的CSV文件。#将结果组成一个新的DataFrametemp_stats_df=pd.DataFrame({最大温度:max_temps,最小温度:min_temps,平均温度:mean_temps,温度中位数:median_temps})#打印结果print(temp_stats_df)#将数据导出为csv文件temp_stats_df.to_csv(temperature_stats.csv)

任务小结数字统计数据值计算导入Pandas获取数据数据导出计算数据的统计值