利用Python数据分析——学习代码_python数据分析学的代码-优快云博客

本文深入探讨了使用Python进行数据分析的过程，通过实例展示了如何运用Pandas、NumPy等库进行数据预处理、清洗、探索性分析及可视化。文章还涵盖了如何解决常见的数据挑战，帮助读者提升数据处理能力。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

# -*- coding: utf-8 -*-
"""
Created on Fri Jul 12 12:20:50 2019

@author: Administrator
"""
#========================第二章 基础=============
# 日期和时间
from datetime import datetime,date,time
dt = datetime(2011,10,29,20,30,21)
dt.day
dt.minute
dt.date()
dt.time()

dt.strftime('%m/%d/%Y %H:%M')        # strftime时间转为字符串
datetime.strptime('20091031','%Y%m%d')   # strptime字符串转为时间

dt.replace(minute=0,second=0)   # 替换时间

dt2 = datetime(2011,11,15,22,30)
delta = dt2-dt
delta     # 时间间隔为17天7179秒
type(delta)

dt + delta   # 加上一个时间差

#========================第四章 numpy基础=============
import numpy as np
from numpy import random

data1=[6,7.5,8,0,1]
arr1=np.array(data1)
arr1

data2=[[1,2,3,4],[5,6,7,8]]
arr2=np.array(data2)
arr2

arr2.ndim   # 数组的行数
arr2.shape  # 一个表示各维度大小的元组
arr1.dtype  # 数组数据类型
arr2.dtype

np.zeros(10)  # 指定长度全是0数组
np.zeros((3,6))
np.empty((2,3,2))  # 没有具体值的数组
np.arange(15)   # 自然数数组

arr=np.array([3.7,-1.2,-2.6,0.5,12.9,10.1])
arr
arr.astype(np.int32)  # 转换数据类型 
      # 浮点数转换为整数，小数部分截断

int_array=np.arange(10)
calibers=np.array([.22,.270,.357,.380,.44,.50],dtype=np.float64)
int_array.astype(calibers.dtype)  # 另一种转换类型用法

arr=np.array([[1.,2.,3.],[4.,5.,6.]])
arr
arr*arr  # 大小相等数组间任何算数运算都应用到元素
arr**0.5  # 数组与标量的算术运算也会落到各个元素

#基本的索引和切片
arr=np.arange(10)
arr
arr[5:8]=12
arr    # 一维数组一般同列表

arr_slice=arr[5:8]
arr_slice[1]=12345
arr
arr_slice[:]=64
arr    # 数组切片直接改变原数据
arr[5:8].copy()  # 复制 切片副本

arr2d=np.array([[1,2,3],[4,5,6],[7,8,9]])
arr2d[2]
arr2d[0,2]  # 二维数组索引

arr3d=np.array([[[1,2,3],[4,5,6]],[[7,8,9],[10,11,12]