Pandas统计分析基础（4）：DataFrame的数据分析及画图功能（case：京津冀地区的gdp和人口的关系）

本文链接：https://blog.youkuaiyun.com/l1796333514/article/details/123593922

✅作者简介：大家好我是Xlong，一枚正在学习COMSOL、Python的工科研究僧
📃个人主页: Xlong的个人博客主页
🔥系列专栏: Python大数据分析
💖如果觉得博主的文章还不错的话，请👍支持一下博主哦🤞

在上篇文章中主要介绍了DataFrame中元素的增、删、改、查等基本功能，本篇文章主要是DataFrame的数据分析及画图功能的介绍。

一、DataFrame的数据分析功能

1.1.读取output.xlsx文件中的sheet1 （gdp数据）

一、DataFrame的数据分析功能

用上篇文章中导出的数据文件（output.xlsx）进行演示

1.1.读取output.xlsx文件中的sheet1 （gdp数据）

import pandas as pd
excelFile = r'output.xlsx'
df = pd.DataFrame(pd.read_excel(excelFile,sheet_name=0,index_col=0))#index_col=0,，可以去掉没意义的第一列标号和unnamed：0
print(df)

运行结果：

北京市       天津市       河北省 ...      青海省宁夏回族自治区新疆维吾尔自治区
2018年 30319.98 18809.64 36010.27 ... 2865.23 3705.18 12199.08
2017年 28014.94 18549.19 34016.32 ... 2624.83 3443.56 10881.96
2016年 25669.13 17885.39 32070.45 ... 2572.49 3168.59   9649.70
2015年 23014.59 16538.19 29806.11 ... 2417.05 2911.77   9324.80
2014年 21330.83 15726.93 29421.15 ... 2303.32 2752.10   9273.46
2013年 19800.81 14442.01 28442.95 ... 2122.06 2577.57   8443.84
2012年 17879.40 12893.88 26575.01 ... 1893.54 2341.29   7505.31
2011年 16251.93 11307.28 24515.76 ... 1670.44 2102.21   6610.05
2010年 14113.58   9224.46 20394.26 ... 1350.43 1689.65   5437.47
2009年 12153.03   7521.85 17235.48 ... 1081.27 1353.31   4277.05
2008年 11115.00   6719.01 16011.97 ... 1018.62 1203.92   4183.21
2007年   9846.81   5252.76 13607.32 ...   797.35   919.11   3523.16
2006年   8117.78   4462.74 11467.60 ...   648.50   725.90   3045.26
2005年   6969.52   3905.64 10012.11 ...   543.32   612.61   2604.19
2004年   6033.21   3110.97   8477.63 ...   466.10   537.11   2209.09
2003年   5007.21   2578.03   6921.29 ...   390.20   445.36   1886.35
2002年   4315.00   2150.76   6018.28 ...   340.65   377.16   1612.65
2001年   3707.96   1919.09   5516.76 ...   300.13   337.44   1491.60
2000年   3161.66   1701.88   5043.96 ...   263.68   295.02   1363.56

[19 rows x 31 columns]

1.2 求每个地区的gdp平均值

import pandas as pd
excelFile = r'output.xlsx'
df = pd.DataFrame(pd.read_excel(excelFile,sheet_name=0,index_col=0))#index_col=0,，可以去掉没意义的第一列标号和unnamed：0
print(df.mean(numeric_only=None))#是针对每一列去操作

运行结果：

北京市         14043.282632
天津市          9194.721053
河北省         19029.720000
山西省          8346.071579
内蒙古自治区      10004.022105
辽宁省         16118.040000
吉林省          8209.141579
黑龙江省         9662.531579
上海市         16340.200000
江苏省         41224.622632
浙江省         26604.160526
安徽省         12867.220526
福建省         15273.601579
江西省          9665.197895
山东省         37637.603158
河南