手把手教你使用Python进行数据分析和可视化（附零基础学习资料）

前言

Python是进行数据分析的一种很不错的语言，主要是因为以数据为中心的库非常适合。 Pandas是其中的一种，使导入和分析数据更加容易。 在本文中，我使用了来分析斯坦福网站的公共数据集中的Country Data.csv文件中的数据。

需要Python零基础学习资料的伙伴，可以在公众号【码农资料库】中回复【py】自行领取 包括以下学习资料：

① Python所有方向的学习路线图，清楚各个方向要学什么东西

②Python课程视频，涵盖必备基础、爬虫和数据分析

③ Python实战案例，学习不再是只会理论

④ Python电子好书，从入门到高阶应有尽有

⑤ 华为出品独家Python漫画教程，手机也能学习 ⑥ 历年互联网企业Python面试真题,复习时非常方便

安装
安装Pandas：

pip install pandas

在Pandas中创建DataFrame通过使用pd.Series方法将多个Series传递到DataFrame类中来完成数据帧的创建。 在这里，它在两个Series对象中传递，s1作为第一行，s2作为第二行。

例子：

输出：

用Pandas导入数据

第一步是读取数据。数据存储为逗号分隔值或csv文件，其中每行用换行分隔，每列用逗号（，）分隔。为了能够使用Python中的数据，需要将csv文件读取到Pandas DataFrame中。DataFrame是表示和处理表格数据的一种方式。（文末送读者福利）

例子：

import pandas as pd 

df = pd.read_csv("IND_data.csv") 

df.head() 

df.shape 

输出：

29,10

用Pandas索引DataFrames

可以使用pandas.DataFrame.iloc方法建立索引。iloc方法允许按位置检索多达行和列。

例子：

df.iloc[0:5,:] 
df.iloc[:,:] 
df.iloc[5:,:5] 

---

很多人学习python，不知道从何学起。
很多人学习python，掌握了基本语法过后，不知道在哪里寻找案例上手。
很多已经做案例的人，却不知道如何去学习更加高深的知识。
那么针对这三类人，我给大家提供了视频教程，电子书籍，以及课程的源代码！
文末领取

---

在Pandas中使用标签建立索引

可以使用pandas.DataFrame.loc方法对标签进行索引，该方法允许使用标签而不是位置进行索引。
例子：

df.loc[0:5,:] 
df = df.loc[5:,:] 

上面的内容实际上与df.iloc [0：5 ,:]并没有太大区别。这是因为尽管行标签可以采用任何值，但我们的行标签与位置完全匹配。但是，列标签可以使处理数据时变得更加容易。例子：

df.loc[:5,"Time period"] 

DataFrame Math与Pandas

数据帧的计算可以通过使用pandas工具的统计功能来完成。
例子：

df.describe() 
df.corr() 
df.rank() 

Pandas图

这些示例中的图是使用用于引用matplotlib API的标准约定制作的，该API提供了Pandas的基础知识，可轻松创建美观地图。
例子：

import the required module 
import matplotlib.pyplot as plt 
df['Observation Value'].hist(bins=10) 

df.boxplot(column='Observation Value', by = 'Time period') 

x = df["Observation Value"] 
y = df["Time period"] 
plt.scatter(x, y, label= "stars", color= "m", 
			marker= "*", s=30) 
plt.xlabel('Observation Value') 
plt.ylabel('Time period') 
plt.show()