没有我Python数据分析做不到的事！浅谈Python数据分析基本介绍。_描述性统计分析探索性数据分析验证性数据分析-优快云博客

本文链接：https://blog.youkuaiyun.com/python03011/article/details/134124937

文章目录

前言
一、什么是数据分析
二、数据分析类型
三、数据分析基本流程
四、Pandas统计分析
五、一些基础代码

前言

都说不会数据分析就等于没学Python，博主将在本文中讨论一下关于python的数据分析。
在这里插入图片描述

一、什么是数据分析

数据分析是利用数学、统计学理论与实践相结合的科学统计分析方法，对excel数据、数据库中的数据、收集大量数据、网页抓取的数据进行分析，从中提取有价值的信息并形成结论进行展示的过程。

二、数据分析类型

数据分析类型有三种：

描述性统计分析
探索性数据分析
验证性数据分析

三、数据分析基本流程

熟悉工具—明确目的—获取数据—数据处理—数据分析—验证结果—结果呈现—数据应用
在这里插入图片描述

四、Pandas统计分析

Pandas是python的核心数据分析支持库，它提供了大量快速便捷处理数据的方法。

五、一些基础代码

import pandas as pd

# Series 类似一维数组 
# 创建series对象
pd.Series(data,index)  #data可指字典、数组、标量值；index指行标签（索引）  注意 当data是多维数组时，index长与data一致

-----------------我是分割线------------------------------

# Series的索引
s1=pd.Series([1,3,5],index=['ni','hao','ya'])  # 标签索引，通过一个标签获得索引值
s2=pd.Series(s1['ni':'hao'])  # 通过切片获取数据（包头包尾）

----------------我是分割线--------------------------------

# 获取Series索引和值
s3=pd.Series([4,2,6])
print(s3.index)  # 获取索引
print(s3.values)  # 获取值

----------------我是分割线--------------------------------

# DataFrame（二维表数据结构）
# 创建 DataFrame 对象
pd.DataFrame(data,index,columns,dtype,copy)  # data可以是数组、列表、字典和Series对象；index对应行，columns对应列

----------------我是分割线--------------------------------

# 通过字典创建DataFrame 注意 单个数据每行添加相同的数据，例如此处的“bangji”
df=pd.DataFrame({'yuwen':[110,106,99],'shuxue':[88,99,100],'banji':'7ban'},index=[0,1,2])
df.T  # 行列数据转换
df.head()  # 查看前n条数据，默认5条
df.tail()  # 查看后n条数据，默认5条
df.shape[0]  # 查看行数
df.shape[1]  # 查看列数
df.info  # 查看索引、数据类型、内存信息

----------------我是分割线--------------------------------

# 导入数据
#例如 pd.read_excel()、pd.read_csv()、pd.read_html()
df1=pd.read_excel('1.xlsx',index-col=0)   # 指定行索引导入excel 要设置index-col参数
df2=pd.read_excel('1.xlsx',header=1)  # 指定列索引 设置header参数，当数字作为列索引 header=None
df3=pd.read_excel('1.xlsx',usercols=[0])  # 导入指定列数据 usercols(也可导入多值)

----------------我是分割线--------------------------------

# 数据抽取（可抽取一行，抽取多行，任意多行）
df.loc[]  # 行名，列名做参数
df.iloc[]  # 行、列位置索引作参数
df.iloc[0:4]  # 抽取从第1行到第4行

#抽取指定：1、直接用列名，如下：
df=pd.DataFrame(data=data,index=name,columns=columns)
df1=df[['yuwen','shuxue']]
# 2、使用loc和iloc属性
df.iloc[:,[0,1]]  # 抽第一行和第二列
df.iloc[:,:2]  # 连续抽取第1列和第3列（不包括第三列）
df.iloc[[1],[2]]  # 抽取第2行第3列

----------------我是分割线--------------------------------

# 数据合并 merge() concat()
# 其中对于merge()两个DataFrame要有同名的列！！
df=pd.merge(df1,df2,right_index=True,left_index=True)  # 通过索引合并数据 df1和df2均为DataFrame对象
df.pd.merge(df1,df2,on='bianhao',how='left')  # 对合并数据去重，例如bianhao存在重复列
df=pd.merge(df1,df2,on='')  # 多对一的数据合并
df=pd.merge(df1,df2)  # 多对多的数据合并

# axis=0表示行 axis=1表示列
pd.concat(obj,axis=0,join='',ignore_index: keys=None ……）

dfs=[df1,df2,df3]
result=pd.concat(dfs)  # 相同字段表首尾相接（纵向）
result=pd.concat(df1,df3],axis=1)  # 横向表合并,当合并到数据列名不一致，设置axis=1
result=pd.concat([df1,df2],axis,join='inner')  # 交叉合并 加上join参数 inner表交集 outer表并集
result=pd.concat([df1,df4],axis=1,join_axes=[df4,index])

----------------我是分割线--------------------------------

# 数据导出
to_excel()、to_csv()
#导出多个sheet
work=pd.ExcelWriter('2.xlsx')  #先打开一个xlsx文件
df['A'].to_excel(work,sheet_name='df3')  # 再使用to_excel导出指定的sheet

----------------我是分割线--------------------------------

#数据计算
DataFrame.sum(axis=None,skipna=None,level=None,……)  # 求和 skipna为布尔值，level为索引值
DataFrame.mean(axis=None,skipna=None,level= ……)  # 求均值
DataFrame.min(axis=None,skipna=None,level= ……)  # 求最小
DataFrame.max(axis=None,skipna=None,level= ……)  # 求最大
DataFrame.median(axis=None,skipna=None,level= ……)  # 求中位数
DataFrame.mode(axis=0,numeric_only=False,dropna=True ……)  # 求众数 dropna表示删除缺失值
DataFrame.var(axis=None,skipna=None,level=None,ddof=1 ……)  # 求方差
DataFrame.std(axis=None,skipna=None,level= ……)  # 求标准差
DataFrame.quantile(q=0.5,axis=0,numeric_only=Trye,interpdation='linear' ……)  # 求分位数

----------------我是分割线--------------------------------

#数据分组统计
df1=df[['yiji','7tian','dingdan']]
df1.groupby('yiji').sum()  # 分组统计求和
df1.groupby(['yiji','7tian']).sum()  # 多列分组统计求和
df1.groupby('yiji')['7tian'].sum()  # 先按一级分组，再抽取‘7tian’列再求和
df1.groupby('yiji').agg(['mean','sum')  # 对分组结果使用聚合

六、Matplotlib 可视化数据分析图表

import matplotlib.pyplot as plt
plt.plot(x,y,format_string,……)  # 格式 x代表x轴 y代表y轴 format_string控制曲线格式字符串，如颜色，线条样式等
plt.figure(num=None,figsize=None,dpi=None,…… )  # 设置画布 num表示图像编号 figsize表示画布宽高 dpi表示分辨率
xlabel()  # x轴标题
ylabel()  # y轴标题
xticks(loc,[labels],**kwargs)  # 坐标轴刻度 locs（数组）表示数组x轴上的刻度 [labels]表示 数组决定位置的标签。若赋空值，则x轴有刻度
yticks(loc,[labels],**kwargs)  # 坐标轴刻度 locs（数组）表示数组y轴上的刻度 [labels]表示 数组决定位置的标签。若赋空值，则x轴有刻度
x.lim(1,14)  # x坐标轴范围
y.lim()  #y坐标轴范围