建设网站实训,最新新闻热点事件及评论,wordpress企业网站源码,网站建设排名软件文章目录 前言一、Pandas简介二、Python Pandas的使用关于Python技术储备一、Python所有方向的学习路线二、Python基础学习视频三、精品Python学习书籍四、Python工具包项目源码合集①Python工具包②Python实战案例③Python小游戏源码五、面试资料六、Python兼职渠道 前言
Pan… 文章目录 前言一、Pandas简介二、Python Pandas的使用关于Python技术储备一、Python所有方向的学习路线二、Python基础学习视频三、精品Python学习书籍四、Python工具包项目源码合集①Python工具包②Python实战案例③Python小游戏源码五、面试资料六、Python兼职渠道 前言
Pandas 是python的一个数据分析包最初由AQR Capital Management于2008年4月开发并于2009年底开源出来目前由专注于Python数据包开发的PyData开发team继续开发和维护今天通过本文给大家介绍Python Pandas的简单使用教程。 Pandas 是python的一个数据分析包最初由AQR Capital Management于2008年4月开发并于2009年底开源出来目前由专注于Python数据包开发的PyData开发team继续开发和维护今天通过本文给大家介绍Python Pandas的简单使用教程感兴趣的朋友一起看看吧
一、Pandas简介
1、Python Data Analysis Library 或 pandas 是基于NumPy 的一种工具该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现它是使Python成为强大而高效的数据分析环境的重要因素之一。
2、Pandas 是python的一个数据分析包最初由AQR Capital Management于2008年4月开发并于2009年底开源出来目前由专注于Python数据包开发的PyData开发team继续开发和维护属于PyData项目的一部分。Pandas最初被作为金融数据分析工具而开发出来因此pandas为时间序列分析提供了很好的支持。 Pandas的名称来自于面板数据panel data和python数据分析data analysis。panel data是经济学中关于多维数据集的一个术语在Pandas中也提供了panel的数据类型。
3、数据结构
Series一维数组与Numpy中的一维array类似。二者与Python基本的数据结构List也很相近其区别是List中的元素可以是不同的数据类型而Array和Series中则只允许存储相同的数据类型这样可以更有效的使用内存提高运算效率。
Time- Series以时间为索引的Series。
DataFrame二维的表格型数据结构。很多功能与R中的data.frame类似。可以将DataFrame理解为Series的容器。以下的内容主要以DataFrame为主。
Panel 三维的数组可以理解为DataFrame的容器。
Pandas 有两种自己独有的基本数据结构。读者应该注意的是它固然有着两种数据结构因为它依然是 Python 的一个库所以Python 中有的数据类型在这里依然适用也同样还可以使用类自己定义数据类型。只不过Pandas 里面又定义了两种数据类型Series 和 DataFrame它们让数据操作更简单了。
二、Python Pandas的使用
修改列数据
df\[price\]df\[price\].str.replace(人均,) # 删除多余文字
df\[price\]df\[price\].str.split().str\[-1\] # 分割文本串
df\[price\]df\[price\].str.replace(-,0) # 替换文本
df\[price\]df\[price\].astype(int) # 文本转整型把pandas转换int型为str型的方法
切分列数据
df\[kw\]df\[commentlist\].str.split().str\[0\].str.replace(口味,)
df\[hj\]df\[commentlist\].str.split().str\[1\].str.replace(环境,)
df\[fw\]df\[commentlist\].str.split().str\[2\].str.replace(服务,)注意pandas中操作如果不明确指定参数则不会修改原数据而是返回一个新对象。
删除列数据
del df\[commentlist\]排序列数据
df.sort\_values(by\[kw,price\],axis0,ascending\[False,True\],inplaceTrue) 注意排序前先用astype转换正确的类型如str、int或float
重新设置索引列标签顺序
df.columns\[类型,店铺名称,点评数量,星级,人均消费,店铺地址,口味,环境,服务\]打印前几行数据
print(df.loc\[:,\[店铺名称,口味,人均消费\]\].head(6))
# 或者 # print(df.iloc\[0:6,\[1,6,4\]\]) # 前6行整数
# 但不能是 # print(df.loc\[0:6,\[店铺名称,口味,人均消费\]\]) # 从索引0到索引6的行对象综合示例
图例 结果 要求
1对该数据中的comment、price进行数据清洗整理
2将commentlist数据拆分为“口味”、“环境”和“服务”三列后再进行数据清洗整理
3去除commentlist列数据
4将此数据按“口味”降序、“人均消费”升序进行排序
5输出排序后前6条数据中的“店铺名称”、“口味”和“人均消费”三列数据。
代码
import pandas as pd
dfpd.read\_csv(spdata.csv,encodinggbk) #读入文件编码为gbk # 注意编码重要#对数据进行清洗
df\[comment\]df\[comment\].str.replace(条点评,)
df\[price\]df\[price\].str.replace(人均,)
df\[price\]df\[price\].str.split().str\[-1\]
df\[price\]df\[price\].str.replace(-,0)
df\[price\]df\[price\].astype(int)
df\[kw\]df\[commentlist\].str.split().str\[0\].str.replace(口味,)
df\[hj\]df\[commentlist\].str.split().str\[1\].str.replace(环境,)
df\[fw\]df\[commentlist\].str.split().str\[2\].str.replace(服务,)
del df\[commentlist\]#按口味降序人均消费升序进行排序
df.sort\_values(by\[kw,price\],axis0,ascending\[False,True\],inplaceTrue)
#重新设置列索引标签
df.columns\[类型,店铺名称,点评数量,星级,人均消费,店铺地址,口味,环境,服务\]print(df.loc\[:,\[店铺名称,口味,人均消费\]\].head(6))方法二
import pandas as pd
dfpd.read\_csv(spdata.csv,encodinggbk)df\[comment\]df\[comment\].str.replace(条点评,)
df\[price\]df\[price\].str.replace(人均,).str.replace(,).str.replace(-,0).str.replace( ,).astype(int)
df\[\[kw,hj,fw\]\]df\[commentlist\].str.replace(口味,).str.replace(环境,).str.replace(服务,).str.split(expandTrue).astype(float) # expand将普通的列表转为DataFrame对象
del df\[commentlist\]df.sort\_values(by\[kw,price\],axis0,ascending\[False,True\],inplaceTrue) # 注意inplaceTrue
df.columns\[类型,店铺名称,点评数量,星级,人均消费,店铺地址,口味,环境,服务\]print(df\[\[店铺名称,口味,人均消费\]\].head(6))注意df.str.split是列表加了expandTrue之后才是DataFrame对象或者用.str[x]提取某一列注意不是df.str.split()[x]而是df.str.split().str[x]前者是对list二维操作后者是对DataFrame操作取某一列 关于Python技术储备
学好 Python 不论是就业还是做副业赚钱都不错但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料给那些想学习 Python 的小伙伴们一点帮助
微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】 一、Python所有方向的学习路线
Python所有方向的技术点做的整理形成各个领域的知识点汇总它的用处就在于你可以按照上面的知识点去找对应的学习资源保证自己学得较为全面。
二、Python基础学习视频
② 路线对应学习视频
还有很多适合0基础入门的学习视频有了这些视频轻轻松松上手Python~在这里插入图片描述
③练习题
每节视频课后都有对应的练习题哦可以检验学习成果哈哈 因篇幅有限仅展示部分资料
三、精品Python学习书籍
当我学到一定基础有自己的理解能力的时候会去阅读一些前辈整理的书籍或者手写的笔记资料这些笔记详细记载了他们对一些技术点的理解这些理解是比较独到可以学到不一样的思路。
四、Python工具包项目源码合集
①Python工具包
学习Python常用的开发软件都在这里了每个都有详细的安装教程保证你可以安装成功哦
②Python实战案例
光学理论是没用的要学会跟着一起敲代码动手实操才能将自己的所学运用到实际当中去这时候可以搞点实战案例来学习。100实战案例源码等你来拿
③Python小游戏源码
如果觉得上面的实战案例有点枯燥可以试试自己用Python编写小游戏让你的学习过程中增添一点趣味
五、面试资料
我们学习Python必然是为了找到高薪的工作下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料并且有阿里大佬给出了权威的解答刷完这一套面试资料相信大家都能找到满意的工作。
六、Python兼职渠道
而且学会Python以后还可以在各大兼职平台接单赚钱各种兼职渠道兼职注意事项如何和客户沟通我都整理成文档了。 这份完整版的Python全套学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
