对比Excel,利用pandas进行数据分析各种用法
背景
懂编程语言最开始是属于程序猿的世界,现在随着国内人们受教育程度的提升、互联网科技的发展,业务人员也开始慢慢需要懂编程语言。从最近几年的招聘需求看,要求会Python则成为刚需。
业务人员之前使用的大部分都是Excel,现在随着数据量的提升,Excel已无法满足数据处理需求。如果在Excel里面数据量超过10万行,则Excel运行起来就相当卡顿。
下面展示一些在Excel里面常用的功能,看看其在Python里面具体是怎么实现的,Python处理数据用到的主要是pandas库,这也是《利用python进行数据分析》整本书介绍的对象。
如下所示为2021年2月编程语言排行榜:
从排行榜来看,python越来越吃香了
文章图片
2021年2月编程语言排行榜 案例
这里只是展示方法,用到数据只有15行
文章图片
案例数据 【对比Excel,利用pandas进行数据分析各种用法】
导入模拟数据
import pandas as pd
import numpy as npdata = https://www.it610.com/article/pd.read_excel('模拟数据.xlsx')data.head()
文章图片
导入模拟数 查看数据行、列
len(data)#数据行数len(data.columns)#数据列数data.info()#数据各列详细信息data.describe()#默认,值统计数值型列data.describe(include='all')#所有列data.describe(include='object')#只针对列为字符型
文章图片
查看数据行、列 查看数据类型
data.dtypes
文章图片
查看数据类型 数据筛选
data[data['性别']=='男']data[data['年龄']>=30]data[(data['年龄']>=30) & (data['性别']=='男')]#两个条件 与data[(data['年龄']>=30) | (data['性别']=='男')]#两个条件 或
文章图片
数据筛选 基于筛选,修改里面的数据
data.loc[data['姓名']=='张三','性别']='女'#把张三 性别 修改为:女data
文章图片
修改数据 数据缺失值替换
data#性别、年龄里面各有个缺失值int(data['年龄'].mean(skipna=True))#年龄的缺失值,用平均值来代替
data['年龄'].fillna(int(data['年龄'].mean(skipna=True)),inplace=True)datadata['性别'].fillna('其他',inplace=True)data
文章图片
缺失值替换 添加行
#方法一
data.loc[15]=[16,'new',55,'女',350,4,50]
data#方法二
data_new = pd.DataFrame([[16,'new',55,'女',350,4,50]],columns=data.columns)
pd.concat([data,data_new],ignore_index=True)
文章图片
添加行 添加列
添加列相对比较简单,直接赋值即可
data['new_column_1']=0
data['new_column_2']='new'
文章图片
添加列 删除行
data.loc[15]=[16,'new',55,'女',350,4,50,0,'new']#先添加一个测试行datadata.drop(index=15,inplace=True)#删除行data
文章图片
删除行 删除列
data.drop(columns='new_column_1')#返回删除后的新数据,原始数据不变data.drop(columns=['new_column_1','new_column_2'])#返回删除后的新数据,原始数据不变data.drop(columns=['new_column_1','new_column_2'],inplace=True)#在原始数据上处理data
文章图片
删除列 数据去重
data data[['性别','消费频次']]data[['性别','消费频次']].drop_duplicates(keep='first')#保留第1个,一般结合排序使用data[['性别','消费频次']].drop_duplicates(keep='last') #保留最后1个,一般结合排序使用#根据 性别、消费频次 2列进行去重
data.drop_duplicates(subset=['性别','消费频次'],keep='first')
文章图片
数据去重 数据排序
相对Excel方便很多
datadata.sort_values(by='消费金额',ascending=True)data.sort_values(by='消费金额',ascending=False)data.sort_values(by=['消费频次','消费金额'],ascending=[False,True])
文章图片
数据排序 数据统计
datadata['性别'].value_counts()data['性别'].value_counts(normalize=True)#百分比data.value_counts(subset='性别')data.value_counts(subset=['消费频次'],sort=True,ascending=True)
文章图片
数据统计 数据透视表
datapd.pivot_table(data,index=['性别'],aggfunc='count')pd.pivot_table(data,index=['性别'],values=['姓名'],aggfunc='count')pd.pivot_table(data,index=['性别'],
columns=['消费频次'],
values=['姓名'],
aggfunc='count',
fill_value=https://www.it610.com/article/0)pd.pivot_table(data,index=['性别'],
columns=['消费频次'],
values=['姓名'],
aggfunc='sum',
fill_value=https://www.it610.com/article/0)pd.pivot_table(data,index=['性别'],
columns=['消费频次'],
values=['消费金额'],
aggfunc='sum',
fill_value=https://www.it610.com/article/0)pd.pivot_table(data,index=['性别'],
columns=['消费频次'],
values=['最近一次消费距今间隔天数'],
aggfunc='mean',
fill_value=https://www.it610.com/article/0)
文章图片
数据透视表 sum函数
datadata['消费金额'].sum()
文章图片
sum函数 count函数
datadata.count()data['姓名'].count()
文章图片
count函数 if函数
data#方法一
data['性别_处理']=data['性别'].map(lambda x:1 if x=='男' else 0)#方法二
def gender(x):
if x=='男':
return 1
else:
return 0data['性别_处理2']=data['性别'].map(gender)#方法三
dict_gender={'男':1,'女':0 ,'其他':0}
data['性别_处理3']=data['性别'].map(dict_gender)
文章图片
if函数 历史相关文章
- 像excel透视表一样使用pandas透视函数
- Python pandas 数据筛选与赋值升级版详解
推荐阅读
- ExcelPackage读取写入
- Excel|Excel 2013 新增功能之瞬间填充整列数据!
- Spring|Spring Boot 自动配置的原理、核心注解以及利用自动配置实现了自定义 Starter 组件
- 【万伽复利】什么是复利(如何利用复利赚钱?)
- 上过大学和没上大学的区别在哪(几张现实对比图告诉你答案)
- 数据分析->分析方法
- 苹果手机如何利用库乐队自制铃声
- 数据技术|一文了解Gauss数据库(开发历程、OLTP&OLAP特点、行式&列式存储,及与Oracle和AWS对比)
- 代码对比工具,我就用这6个
- Excel基础知识-打印的那些事(上)