数据分析库Pandas

喝旺仔la2024-10-13 15:10

一、认识Pandas数据分析库

Pandas是一个功能强大的数据分析库，它提供了丰富的数据结构和函数来处理和分析表格数据。在处理类似您提供的Excel文件时，首先需要导入Pandas库并读取数据，然后进行数据清洗和预处理，最后进行数据分析和可视化。

二、DataFrame基本操作

是一个二维结构，除了拥有index和value之外，还拥有column

dataframe由多个series组成，无论是行还是列，单独拆分出来都是一个series

三、时间序列和Resample函数

resample函数只能操作日期时间序列值

1、均值

print(data.resample(rule='YE').mean())

2、计数

print(data.resample(rule='YE').count())

3、求和

print(data.resample(rule='YE').sum())

4、求标准差

print(data.resample(rule='YE').std())

5、求最大值

print(data.resample(rule='YE').std().max())

6、累乘

print(data.resample(rule='YE').prod())

四、plot快速可视化

plot函数是pandas中用于数据可视化的一个重要工具，

通过plot函数，可以轻松地将DataFrame或Series对象中的数据以图形的形式展示出来。

plot函数支持多种类型的图形，包括折线图、柱状图、散点图、饼图等，这些不同类型的图形适用于不同的数据分析场景。

此外，plot函数还支持通过参数设置来调整图形的样式，如颜色、标签、图例等，以满足更加个性化的可视化需求。

plot函数的参数名称和含义了matplotlib绘图时的参数是类似的，

如果熟悉matplotlib绘图的话，上手更快。

五、io读取与存储：csv、excel

1、csv

# 写入数据
data.to_csv('txt.csv')

# 读取数据
data1 = pd.read_csv('txt.csv')

复制代码

默认情况是对原数据进行覆盖，通过参数设置进行追加

data2 = data.tail()
data2.to_csv('txt.csv',mode='a',header=False)
print(data2)

2、Excel

data.to_excel('excel.xlsx',sheet_name='a')

# 一次写入多个sheet页
with pd.ExcelWriter('writerExcel.xlsx') as writer:
    data.to_excel(writer, sheet_name='a')
    data.to_excel(writer, sheet_name='b')
    data.to_excel(writer, sheet_name='c')

# 追加新的sheet
with pd.ExcelWriter('writerExcel.xlsx',mode='a',engine='openpyxl') as writer:
    data.to_excel(writer, sheet_name='d')