《python數(shù)據(jù)分析與應(yīng)用》 課件 第9章 核心數(shù)據(jù)處理庫pandas

第9章核心數(shù)據(jù)處理庫pandasPython數(shù)據(jù)分析與應(yīng)用1CONTENTS9.1知識準備9.2代碼補全和知識拓展9.3實訓(xùn)任務(wù)9.4延伸高級任務(wù)目錄9.5課后習題2知識準備139.1.3DataFrame對象df=pd.read_excel('data.xlsx’)df.to_excel('data.xlsx',index=False) 導(dǎo)出Excel文件知識準備data={'Name':['John','Emma','Mike'],'Age':[25,28,32],'City':['NewYork','SanFrancisco','Chicago']}df=pd.DataFrame(data)print(df)運行結(jié)果：

NameAgeCity0John25NewYork1Emma28SanFrancisco2Mike32Chicago4 讀取Exccel文件9.1.1pandas庫簡介9.1.2Series對象字典和Series的相似之處importpandasaspd#定義學(xué)生成績數(shù)據(jù)name=['小明','小紅','小剛','小華','小李']score=[92,85,78,88,95]#創(chuàng)建Series對象s=pd.Series(score,index=name)知識準備importpandasaspdimportnumpyasnparr=np.array([[1,2,3],[4,5,6],[7,8,9]])df=pd.DataFrame(arr,columns=['A','B','C'])print(df)運行結(jié)果：

ABC0123145627895從NumPy數(shù)組創(chuàng)建DataFramedf=pd.DataFrame(data)print(df[['總價','數(shù)量']])數(shù)據(jù)多列提取訪問一行數(shù)據(jù)：.loc[index的值]訪問連續(xù)的某幾行數(shù)據(jù)：.loc[起點index的值:結(jié)束index的值]#使用loc按照標簽索引訪問連續(xù)行數(shù)據(jù)rows=data.loc[1:3]#使用.loc訪問不連續(xù)的某幾行數(shù)據(jù)selected_rows=data.loc[[1,3]]布爾索引和判斷條件#判斷條件：篩選年齡大于等于35的行condition=df['Age']>=35#多個判斷條件：篩選年齡大于30并且城市為'Paris'的行condition=(df['Age']>30)&(df['City']=='Paris')#應(yīng)用布爾索引，保留滿足條件的行filtered_df=df[condition]df=pd.DataFrame(data)#檢測缺失值print(df.isnull())缺失值的檢測df=pd.DataFrame(data)#使用指定值填充缺失值filled_df=df.fillna(value={'A':0,'B':'missing','C':'unknown'})#使用前一行的值填充缺失值filled_df=df.fillna(method='ffill’)#使用后一行的值填充缺失值filled_df=df.fillna(method='bfill')填充缺失值df.drop(1,axis=0,inplace=True)df.drop('B',axis=1,inplace=True)刪除DataFrame中的行/列知識準備df=pd.DataFrame({'A':[1,np.nan,3],'B':[np.nan,5,6]})df.dropna(axis=0,how='any',inplace=True)刪除DataFrame中包含任何缺失值的行刪除DataFrame中整行都是缺失值的行df=pd.DataFrame({'A':[np.nan,np.nan,np.nan],'B':[4,np.nan,6]})df.dropna(axis=0,how='all',inplace=True)df=pd.DataFrame({'A':[1,2,2,3,4,4],'B':['a','b','b','c','d','d']})df_dropped=df.drop_duplicates()刪除重復(fù)值代碼補全和知識拓展27importpandasaspd#讀取路徑為"/視頻會員訂單數(shù)據(jù)源.csv"的文件，賦值給變量dfdf=(__________)#商品價格price，單位分轉(zhuǎn)化成元df['price']=df['price']/100#使用to_datetime()函數(shù)，將訂單創(chuàng)建時間create_time和支付時間pay_time，轉(zhuǎn)化成時間格式df['create_time']=(__________)df['pay_time']=(__________)#使用布爾索引和isnull函數(shù)，將payment_provider這一列的缺失值篩選出，賦值給變量dfPayNull#dfPayNull就是，包含所有payment_provider這一列缺失值的行dfPayNull=(__________)#TODO使用drop函數(shù)，將dfPayNull，也就是包含所有payment_provider這一列缺失值的行刪除df.drop(__________)#使用(),快速瀏覽數(shù)據(jù)集()對數(shù)據(jù)的質(zhì)量進行檢查和處理。9.2.1代碼補全：1.會員信息處理8#導(dǎo)入pandas模塊，簡稱pdimportpandasaspd#定義一個字典datadata={'name':['May','Tony','Kevin'],'score':[689,659,635]}#定義一個列表rank，內(nèi)含參數(shù)1,2,3,rank=(_____________)#使用pd.DataFrame()函數(shù)，傳入?yún)?shù)：字典data作為value和columns，列表rank作為index#構(gòu)造出的DataFrame賦值給performanceperformance=(_____________)#輸出performance這個DataFrameprint(performance)使用DataFrame構(gòu)造函數(shù)，將定義的字典data和列表rank作為參數(shù)傳入，生成一個DataFrame，并賦值給變量performance。9.2.1代碼補全：4.班級成績表創(chuàng)建9importpandasaspd#創(chuàng)建一個Series對象math_scores=pd.Series([85,90,76,92,88,95,84,79,91,87],index=['Tom','Jerry','Alice','Bob','Linda','John','Emily','David','Amy','Sophia'])#提取前五名學(xué)生的成績(______________)#打印切片結(jié)果(______________)對假設(shè)有一位班主任想要分析學(xué)生的成績情況。請使用pandas創(chuàng)建一個Series對象，記錄一班學(xué)生的數(shù)學(xué)成績，并根據(jù)索引進行切片操作，提取前五名學(xué)生的成績。。9.2.1代碼補全：5.學(xué)生成績切片操作10在pandas中，mean()是一個用于計算數(shù)據(jù)集均值的方法。它用于計算DataFrame中的列的平均值。round()是一個用于對數(shù)據(jù)進行四舍五入的方法。一些計算方法#定義一個嵌套列表data，內(nèi)含參數(shù)May,689；Tony,659；Kevin,635。data=(_____________)#定義一個列表rankrank=[1,2,3]#使用pd.DataFrame()函數(shù)，嵌套列表data和列表rank作為參數(shù)傳入，并且使用參數(shù)columns自定義列索引columns：#構(gòu)造出的DataFrame賦值給resultresult=(_____________)用列表構(gòu)造DataFrame9.2.2知識拓展：正則表達式9.3實訓(xùn)任務(wù)312請完成以下任務(wù)：1.創(chuàng)建一個DataFrame，并將原始數(shù)據(jù)導(dǎo)入。2.檢查數(shù)據(jù)中是否存在缺失值，并處理這些缺失值。3.將銷售日期列的數(shù)據(jù)類型轉(zhuǎn)換為日期類型，并將其設(shè)置為DataFrame的索引。4.去除重復(fù)的記錄。5.計算每個訂單的銷售總金額，并添加為新的一列。6.根據(jù)產(chǎn)品名稱分組，并計算每種產(chǎn)品的銷售數(shù)量總和和銷售金額總和。7.根據(jù)銷售日期按月份進行分組，并計算每月的銷售數(shù)量總和和銷售金額總和。8.將清洗和處理后的數(shù)據(jù)保存為一個新的CSV文件。9.3.1銷售數(shù)據(jù)處理9.3實訓(xùn)任務(wù)13創(chuàng)建一個Series[1,2,3,4,5,6,7,8,9,10]，判斷Series中的元素是否全部大于5?importpandasaspds1=pd.Series([1,2,3,4,5,6,7,8,9,10])print(s1)#顯示兩列，第一列為索引，第二列為值print(s1[4])#打印索引4對應(yīng)的值：5allabove5=Trueforindexinrange(0,len(s1)):ifs1[index]<=5:allabove5=Falseifallabove5:print('TheSeriesisallabove5.')else:print('TheSeriesisnotallabove5.')9.3.2判斷是否全大于59.3實訓(xùn)任務(wù)14根據(jù)DataFrame創(chuàng)建的銷售數(shù)據(jù)和客戶數(shù)據(jù)，編寫代碼完成以下實訓(xùn)任務(wù)：1. 計算每個客戶的總銷售額和平均銷售額。2. 找出銷售額最高的客戶和銷售額最低的客戶。3. 根據(jù)客戶的所在地區(qū)（城市）統(tǒng)計每個地區(qū)的銷售額總和和平均銷售額。4. 找出銷售額最高的地區(qū)和銷售額最低的地區(qū)。9.3.3銷售數(shù)據(jù)和客戶數(shù)據(jù)9.3實訓(xùn)任務(wù)15請完成以下任務(wù)：1. 添加一條記錄，學(xué)生姓名為"小明"，科目為"化學(xué)"，成績?yōu)?7，班級為"A"。2. 將小紅的數(shù)學(xué)成績修改為90。3. 刪除小明在物理科目的成績記錄。9.3.4學(xué)生各科成績處理9.3實訓(xùn)任務(wù)16延伸高級任務(wù)417一組電商銷售數(shù)據(jù)，包含訂單ID、產(chǎn)品ID、銷售額、銷售時間等信息。要求使用DataFrame計算每個產(chǎn)品的月銷售額、季度銷售額，并找出銷售額最高的產(chǎn)品和銷售額最高的季度。df=pd.DataFrame(data)#將銷售日期轉(zhuǎn)換為日期類型df['SalesDate']=(_____________)#計算每個產(chǎn)品的月銷售額df['Month']=(_____________)monthly_sales=(_____________)#計算每個產(chǎn)品的季度銷售額df['Quarter']=(_____________)quarterly_sales=(_____________)#找出銷售額最高的產(chǎn)品和銷售額最高的季度highest_sales_product(_____________)print("每個產(chǎn)品的月銷售額:")print(monthly_sales)print("\n每個產(chǎn)品的季度銷售額:")print(quarterly_sales)print("\n銷售額最高的產(chǎn)品:",highest_sales_produc