1. Toy模板网首页
  2. > Toy博客

Python3数据科学包系列(三):数据分析实战

8月前 作者：蜗牛杨哥 分类：Toy博客 阅读(30) 违法举报

这篇具有很好参考价值的文章主要介绍了Python3数据科学包系列(三):数据分析实战。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

Python3数据科学包系列(三):数据分析实战,数据分析,数据挖掘,python,scikit-learn,numpy,pandas

Python3中类的高级语法及实战

Python3(基础|高级)语法实战(|多线程|多进程|线程池|进程池技术)|多线程安全问题解决方案

Python3数据科学包系列(一):数据分析实战

Python3数据科学包系列(二):数据分析实战

Python3数据科学包系列(三):数据分析实战

国庆中秋宅家自省: Python在Excel中绘图尝鲜

一:  数据分析与挖掘认知升维

我们知道在数据分析与数据挖掘中,数据处理是一项复杂且繁琐的工作,同时也是整个数据分析过程中的最为重要的环节;数据处理一方面能提供数据的质量;另一方面能让数据更好的使用数据分析工具;

数据处理的主要内容包括:

(1) 数据清洗

      1.1 重复值处理

       1.2 缺少值处理

(2) 数据的抽取

       2.1 字段抽取

       2.2 字段拆分

       2.3 重置索引

       2.4 记录抽取

       2.5 随机抽样

       2.6 通过索引抽取数据

       2.7 字典数据抽取

       2.8 插入数据

       2.9 修改数据记录

(3) 数据交换

       3.1 交换行与列

       3.2  排名索引

       3.3  数据合并

(4) 数据计算

        4.1 简单计算 (加，减，乘，除的计算)

        4.2  数据标准化

         4.3  数据分组

         4.4  日期处理

....................

(5) 数据可视化

            5.1 图表化

             5.2 Excel|Word|PPT化

 二：数据处理

数据清洗认知升级:
   在数据分析时,海量的原始数据中存在大量不完整,不一致,有异常的数据,严重影响到数据分析的结果;
   索引进行数据清洗很重要,数据清洗是数据价值链中最关键的步骤。垃圾数据,即使是通过最好的分析,也将
   产生错误的结果,并误导业务本身.因此在数据分析过程中.数据清洗占据很大的工作量
   数据清洗就是处理缺失的数据以及清除无意义的信息,如删除原始数据集中的无关数据,重复数据，平滑噪声数据,
   筛选掉与分析主题无关的数据，处理缺失值,异常值等
数据清洗:
   一: 重复值的处理
   二: 缺失的处理
实例一:重复数据处理

# -*- coding:utf-8 -*-

import pandas as pd
from pandas import Series

"""
    数据清洗认知升级:
       在数据分析时,海量的原始数据中存在大量不完整,不一致,有异常的数据,严重影响到数据分析的结果;
       索引进行数据清洗很重要,数据清洗是数据价值链中最关键的步骤。垃圾数据,即使是通过最好的分析,也将
       产生错误的结果,并误导业务本身.因此在数据分析过程中.数据清洗占据很大的工作量
       数据清洗就是处理缺失的数据以及清除无意义的信息,如删除原始数据集中的无关数据,重复数据，平滑噪声数据,
       筛选掉与分析主题无关的数据，处理缺失值,异常值等
    数据清洗:
       一: 重复值的处理
       二: 缺失的处理
"""

print("""
    (1)重复值的处理
          利用DataFrame中的duplicated方法返回一个布尔型的Series,展示是否有重复行,没有重复的行显示FALSE;
          有重复的则从第二行起均显示为TRUE
    (2)使用drop_duplicates方法用于把数据结构中行相同的数据去除(只保留一行),该方法返回一个DataFrame的数据框
""")
dataFrame = pd.DataFrame({
    'age': Series([26, 85, 64, 85, 85]),
    'name': Series(['Ben', 'John', 'Jerry', 'John', 'John'])
})
print(dataFrame)
# 显示那些行有重复
repeatableDataFrame = dataFrame.duplicated()
print()
print(repeatableDataFrame)
print("""
    去掉重复的行
""")
print("查看name列重复行")
print(dataFrame.duplicated('name'))
print()
print("查看age列重复行")
print(dataFrame.duplicated('age'))
print()
print("根据age列去掉重复的行数")
print(dataFrame.drop_duplicates('age'))

print()
print("根据name列去掉重复的行数")
print(dataFrame.drop_duplicates('name'))

 

 
 


运行效果:
 
 


D:\program_file_worker\anaconda\python.exe D:\program_file_worker\python_source_work\SSO\grammar\dataanalysis\DataAnalysisDataCleaning.py 
 
 
    (1)重复值的处理
           利用DataFrame中的duplicated方法返回一个布尔型的Series,展示是否有重复行,没有重复的行显示FALSE;
           有重复的则从第二行起均显示为TRUE
     (2)使用drop_duplicates方法用于把数据结构中行相同的数据去除(只保留一行),该方法返回一个DataFrame的数据框
 
 
   age   name
 0   26    Ben
 1   85   John
 2   64  Jerry
 3   85   John
 4   85   John
 
 
0    False
 1    False
 2    False
 3     True
 4     True
 dtype: bool
 
 
    去掉重复的行
 
 
查看name列重复行
 0    False
 1    False
 2    False
 3     True
 4     True
 dtype: bool
 
 
查看age列重复行
 0    False
 1    False
 2    False
 3     True
 4     True
 dtype: bool
 
 
根据age列去掉重复的行数
    age   name
 0   26    Ben
 1   85   John
 2   64  Jerry
 
 
根据name列去掉重复的行数
    age   name
 0   26    Ben
 1   85   John
 2   64  Jerry
 
 
Process finished with exit code 0
  文章来源地址https://www.toymoban.com/news/detail-728979.html
 

 

三:  缺失值处理
 

认知升维
   从统计上说,缺失的数据可能会产生有偏估计,从而导致样本数据不能很好地代表总体,
   而现实中绝大部分数据都包含缺失值,因此如何处理缺失值很重要。
   一般来说,缺失值的处理包括两个步骤:
   （1)缺失数据的识别
    (2)缺失数据的处理
 



# -*- coding:utf-8 -*-

import pandas as pd
from pandas import Series

"""
   认知升维
      从统计上说,缺失的数据可能会产生有偏估计,从而导致样本数据不能很好地代表总体,
      而现实中绝大部分数据都包含缺失值,因此如何处理缺失值很重要。
      一般来说,缺失值的处理包括两个步骤:
      （1)缺失数据的识别
       (2)缺失数据的处理
"""

print("读取数据来源: ")
dataFrame = pd.read_excel(r'./file/rz.xlsx', sheet_name='Sheet2')
print(dataFrame)

print("""
    1)缺失值的识别
    Pandas使用浮点值NaN表示浮点数和非浮点数组里的缺失数据,并使用.isnull和.notnull函数来判断缺失情况
""")
print()
print("缺失值判断;True表示缺失,False表示非缺失")
print(dataFrame.isnull())

print()
print("缺失值判断;True表示非缺失,False表示缺失")
print(dataFrame.notnull())

print("""
    2)缺失值处理
    对于缺失数据的处理方式有数据补齐,删除对应行,不处理等方式
      2.1 dropna()去除数据结构中值为空的数据行
      2.2 fillna()用其他数替代NaN;有的时候直接删除空数据会影响分析结果,可以对数据进行填补
      2.3 fillna(method = 'pad')用前一个数据值代替NaN
""")

print("删除数据为空所对应的行: ")
print(dataFrame.dropna())
print()
print("使用数值或者任意字符替代缺失值:")
print(dataFrame.fillna("$"))
print()
print("用前一个值替换缺失的值: ")
print(dataFrame.fillna(method='pad'))

print()
print("用后一个值替换缺失的值：")
print(dataFrame.fillna(method='bfill'))

print()
print("用平均数或者其它描述性统计量替代NaN")
print(dataFrame.fillna(dataFrame.mean(numeric_only=True)))

print()
print("""
   dataFrame.mean()['填补列名':'计算均值的列名']：可以使用选择列的均值进行缺失值的处理
""")

print(dataFrame.fillna(dataFrame.mean(numeric_only=True)['高代':'解几']))
print()
print("dataFrame.fillna({'列名1':值1,'列名2':值2}): 可以传入一个字典,对不同的列填充不同的值")
print(dataFrame.fillna({'数分': 100, '高代': 0}))

print("使用strip()清除字符串左,右或首尾指定的字符串,默认为空格,中间不清除")
dataFrameStrip = pd.DataFrame({
    'age': Series([26, 85, 64, 85, 85]),
    'name': Series(['Ben', 'John   ', 'Jerry', 'John     ', '  John'])
})
print(dataFrameStrip)
print()
print(dataFrameStrip['name'].str.strip())

print()
print("只删除右边的字符n,如果不指定删除的字符串,默认删除空格")
print(dataFrameStrip['name'].str.rstrip())
print()
print(dataFrameStrip['name'].str.rstrip('n'))

print()
print("只删除左边的字符n,如果不指定删除的字符串,默认删除空格")
print(dataFrameStrip['name'].str.lstrip())
print()
print(dataFrameStrip['name'].str.lstrip('J'))
 

 
 

 
 
 
 


运行效果:
 
 
D:\program_file_worker\anaconda\python.exe D:\program_file_worker\python_source_work\SSO\grammar\dataanalysis\DataAnalysisDataMissing.py 
 读取数据来源: 
            学号  姓名  英语    数分    高代  解几
 0  2308024241  成龙  76  40.0  23.0  60
 1  2308024244  周怡  66  47.0  47.0  44
 2  2308024251  张波  85   NaN  45.0  60
 3  2308024249  朱浩  65  72.0  62.0  71
 4  2308024219  封印  73  61.0  47.0  46
 5  2308024201  迟培  60  71.0  76.0  71
 6  2308024347  李华  67  61.0  65.0  78
 7  2308024307  陈田  76  69.0   NaN  69
 8  2308024326  余皓  66  65.0  61.0  71
 9  2308024219  封印  73  61.0  47.0  46
 
 
    1)缺失值的识别
     Pandas使用浮点值NaN表示浮点数和非浮点数组里的缺失数据,并使用.isnull和.notnull函数来判断缺失情况
 
 

 缺失值判断;True表示缺失,False表示非缺失
       学号     姓名     英语     数分     高代     解几
 0  False  False  False  False  False  False
 1  False  False  False  False  False  False
 2  False  False  False   True  False  False
 3  False  False  False  False  False  False
 4  False  False  False  False  False  False
 5  False  False  False  False  False  False
 6  False  False  False  False  False  False
 7  False  False  False  False   True  False
 8  False  False  False  False  False  False
 9  False  False  False  False  False  False
 
 
缺失值判断;True表示非缺失,False表示缺失
      学号    姓名    英语     数分     高代    解几
 0  True  True  True   True   True  True
 1  True  True  True   True   True  True
 2  True  True  True  False   True  True
 3  True  True  True   True   True  True
 4  True  True  True   True   True  True
 5  True  True  True   True   True  True
 6  True  True  True   True   True  True
 7  True  True  True   True  False  True
 8  True  True  True   True   True  True
 9  True  True  True   True   True  True
 
 
    2)缺失值处理
     对于缺失数据的处理方式有数据补齐,删除对应行,不处理等方式
       2.1 dropna()去除数据结构中值为空的数据行
       2.2 fillna()用其他数替代NaN;有的时候直接删除空数据会影响分析结果,可以对数据进行填补
       2.3 fillna(method = 'pad')用前一个数据值代替NaN
 
 
删除数据为空所对应的行: 
            学号  姓名  英语    数分    高代  解几
 0  2308024241  成龙  76  40.0  23.0  60
 1  2308024244  周怡  66  47.0  47.0  44
 3  2308024249  朱浩  65  72.0  62.0  71
 4  2308024219  封印  73  61.0  47.0  46
 5  2308024201  迟培  60  71.0  76.0  71
 6  2308024347  李华  67  61.0  65.0  78
 8  2308024326  余皓  66  65.0  61.0  71
 9  2308024219  封印  73  61.0  47.0  46
 
 
使用数值或者任意字符替代缺失值:
            学号  姓名  英语    数分    高代  解几
 0  2308024241  成龙  76  40.0  23.0  60
 1  2308024244  周怡  66  47.0  47.0  44
 2  2308024251  张波  85     $  45.0  60
 3  2308024249  朱浩  65  72.0  62.0  71
 4  2308024219  封印  73  61.0  47.0  46
 5  2308024201  迟培  60  71.0  76.0  71
 6  2308024347  李华  67  61.0  65.0  78
 7  2308024307  陈田  76  69.0     $  69
 8  2308024326  余皓  66  65.0  61.0  71
 9  2308024219  封印  73  61.0  47.0  46
 
 
用前一个值替换缺失的值: 
            学号  姓名  英语    数分    高代  解几
 0  2308024241  成龙  76  40.0  23.0  60
 1  2308024244  周怡  66  47.0  47.0  44
 2  2308024251  张波  85  47.0  45.0  60
 3  2308024249  朱浩  65  72.0  62.0  71
 4  2308024219  封印  73  61.0  47.0  46
 5  2308024201  迟培  60  71.0  76.0  71
 6  2308024347  李华  67  61.0  65.0  78
 7  2308024307  陈田  76  69.0  65.0  69
 8  2308024326  余皓  66  65.0  61.0  71
 9  2308024219  封印  73  61.0  47.0  46
 
 
用后一个值替换缺失的值：
            学号  姓名  英语    数分    高代  解几
 0  2308024241  成龙  76  40.0  23.0  60
 1  2308024244  周怡  66  47.0  47.0  44
 2  2308024251  张波  85  72.0  45.0  60
 3  2308024249  朱浩  65  72.0  62.0  71
 4  2308024219  封印  73  61.0  47.0  46
 5  2308024201  迟培  60  71.0  76.0  71
 6  2308024347  李华  67  61.0  65.0  78
 7  2308024307  陈田  76  69.0  61.0  69
 8  2308024326  余皓  66  65.0  61.0  71
 9  2308024219  封印  73  61.0  47.0  46
 
 
用平均数或者其它描述性统计量替代NaN
            学号  姓名  英语         数分         高代  解几
 0  2308024241  成龙  76  40.000000  23.000000  60
 1  2308024244  周怡  66  47.000000  47.000000  44
 2  2308024251  张波  85  60.777778  45.000000  60
 3  2308024249  朱浩  65  72.000000  62.000000  71
 4  2308024219  封印  73  61.000000  47.000000  46
 5  2308024201  迟培  60  71.000000  76.000000  71
 6  2308024347  李华  67  61.000000  65.000000  78
 7  2308024307  陈田  76  69.000000  52.555556  69
 8  2308024326  余皓  66  65.000000  61.000000  71
 9  2308024219  封印  73  61.000000  47.000000  46
 
 

    dataFrame.mean()['填补列名':'计算均值的列名']：可以使用选择列的均值进行缺失值的处理
 
 
           学号  姓名  英语    数分         高代  解几
 0  2308024241  成龙  76  40.0  23.000000  60
 1  2308024244  周怡  66  47.0  47.000000  44
 2  2308024251  张波  85   NaN  45.000000  60
 3  2308024249  朱浩  65  72.0  62.000000  71
 4  2308024219  封印  73  61.0  47.000000  46
 5  2308024201  迟培  60  71.0  76.000000  71
 6  2308024347  李华  67  61.0  65.000000  78
 7  2308024307  陈田  76  69.0  52.555556  69
 8  2308024326  余皓  66  65.0  61.000000  71
 9  2308024219  封印  73  61.0  47.000000  46
 
 
dataFrame.fillna({'列名1':值1,'列名2':值2}): 可以传入一个字典,对不同的列填充不同的值
            学号  姓名  英语     数分    高代  解几
 0  2308024241  成龙  76   40.0  23.0  60
 1  2308024244  周怡  66   47.0  47.0  44
 2  2308024251  张波  85  100.0  45.0  60
 3  2308024249  朱浩  65   72.0  62.0  71
 4  2308024219  封印  73   61.0  47.0  46
 5  2308024201  迟培  60   71.0  76.0  71
 6  2308024347  李华  67   61.0  65.0  78
 7  2308024307  陈田  76   69.0   0.0  69
 8  2308024326  余皓  66   65.0  61.0  71
 9  2308024219  封印  73   61.0  47.0  46
 使用strip()清除字符串左,右或首尾指定的字符串,默认为空格,中间不清除
    age       name
 0   26        Ben
 1   85    John   
 2   64      Jerry
 3   85  John     
 4   85       John
 
 
0      Ben
 1     John
 2    Jerry
 3     John
 4     John
 Name: name, dtype: object
 
 
只删除右边的字符n,如果不指定删除的字符串,默认删除空格
 0       Ben
 1      John
 2     Jerry
 3      John
 4      John
 Name: name, dtype: object
 
 
0           Be
 1      John   
 2        Jerry
 3    John     
 4          Joh
 Name: name, dtype: object
 
 
只删除左边的字符n,如果不指定删除的字符串,默认删除空格
 0          Ben
 1      John   
 2        Jerry
 3    John     
 4         John
 Name: name, dtype: object
 
 
0         Ben
 1      ohn   
 2        erry
 3    ohn     
 4        John
 Name: name, dtype: object
 
 
Process finished with exit code 0
  
 
 


 

四:  数据抽取
 



# -*- coding:utf-8 -*-

import pandas as pd
from pandas import Series

import warnings

print("数据抽取:")
extractDataFrame = pd.read_excel(r'./file/i_nuc.xls', sheet_name='Sheet4')
print(extractDataFrame.head())
print("""
    字段抽取是抽取出某列上指定位置的数据做成新的列：
    slice(start,stop)
    start表示开始位置
    stop表示结束
""")
print()
#  把’电话‘列转换为字符串： astype(str)转换类型  及修改extractDataFrame的列为字符串类型
extractDataFrame['电话'] = extractDataFrame['电话'].astype(str)
print(extractDataFrame)
print("抽取电话号码的前三位,便于判断号码的品牌:")
bands = extractDataFrame['电话'].str.slice(0, 3)
print(bands)
print()
print("抽取手机号码的中间4位,以判断手机号码的区域:")
print(extractDataFrame['电话'].str.slice(3, 7))
print()
print("抽取手机号的后四位:")
print(extractDataFrame['电话'].str.slice(7, 11))

print()
print("""
   字符串拆分:
       字符串拆分是指指定的字符sep,拆分已有的字符串。
       split(sep,n,expand=False)
       sep:表示用于分隔字符串的分隔符
       n表示分割后新增的列数
       expand表示是否展开为数据库,默认为False
   返回值: expand是否展开为数据框,默认为False
""")

dataFrameSeries = pd.read_excel(r'./file/i_nuc.xls', sheet_name='Sheet4')
print(dataFrameSeries)

print()
print("现将IP列转换为字符串str,在删除首尾空格")
print(dataFrameSeries['IP'].str.strip())
print()
print("按第一个'.'分成两列,1表示新增的列数")
print("""
     FutureWarning: In a future version of pandas all arguments of StringMethods.split 
     except for the argument 'pat' will be keyword-only.
     splitDataFrameSeries = dataFrameSeries['IP'].str.split('.', 1, True)
     忽略警告
""")
warnings.filterwarnings('ignore', category=FutureWarning)  # 忽略警告
splitDataFrameSeries = dataFrameSeries['IP'].str.split('.', 1, True)
print(splitDataFrameSeries)

print("给第一列和第二类指定列名称")
splitDataFrameSeries.columns = ['IPOne', 'IPTwo']
print(splitDataFrameSeries)

print("")
print("重置索引")
print("""
    重置索引是指指定某列为索引,以便于对其他数据进行操作：
    dataFrame.set_index('列名')
""")
df = pd.DataFrame(
    {'age': Series([26, 85, 64, 85, 85]),
     'name': Series(['Ben', 'John', 'Jerry', 'John', 'John'])}
)
print(df)
# 指定name为索引
dataFrameReIndex = df.set_index('name')
print("重置索引后数据结构")
print(dataFrameReIndex)
 

 
 

 
 


运行效果:
 
 


D:\program_file_worker\anaconda\python.exe D:\program_file_worker\python_source_work\SSO\grammar\dataanalysis\DataAnalysisDataExtractData.py 
 数据抽取:
            学号            电话                 IP
 0  2308024241  1.892225e+10      221.205.98.55
 1  2308024244  1.352226e+10    183.184.226.205
 2  2308024251  1.342226e+10      221.205.98.55
 3  2308024249  1.882226e+10      222.31.51.200
 4  2308024219  1.892225e+10       120.207.64.3
 
 
    字段抽取是抽取出某列上指定位置的数据做成新的列：
     slice(start,stop)
     start表示开始位置
     stop表示结束
 
 

             学号             电话                 IP
 0   2308024241  18922254812.0      221.205.98.55
 1   2308024244  13522255003.0    183.184.226.205
 2   2308024251  13422259938.0      221.205.98.55
 3   2308024249  18822256753.0      222.31.51.200
 4   2308024219  18922253721.0       120.207.64.3
 5   2308024201            nan      222.31.51.200
 6   2308024347  13822254373.0      222.31.59.220
 7   2308024307  13322252452.0  221.205.98.55    
 8   2308024326  18922257681.0     183.184.230.38
 9   2308024320  13322252452.0  221.205.98.55    
 10  2308024342  18922257681.0     183.184.230.38
 11  2308024310  19934210999.0     183.184.230.39
 12  2308024435  19934210911.0     185.184.230.40
 13  2308024432  19934210912.0     183.154.230.41
 14  2308024446  19934210913.0     183.184.231.42
 15  2308024421  19934210914.0     183.154.230.43
 16  2308024433  19934210915.0     173.184.230.44
 17  2308024428  19934210916.0                NaN
 18  2308024402  19934210917.0      183.184.230.4
 19  2308024422  19934210918.0      153.144.230.7
 抽取电话号码的前三位,便于判断号码的品牌:
 0     189
 1     135
 2     134
 3     188
 4     189
 5     nan
 6     138
 7     133
 8     189
 9     133
 10    189
 11    199
 12    199
 13    199
 14    199
 15    199
 16    199
 17    199
 18    199
 19    199
 Name: 电话, dtype: object
 
 
抽取手机号码的中间4位,以判断手机号码的区域:
 0     2225
 1     2225
 2     2225
 3     2225
 4     2225
 5         
 6     2225
 7     2225
 8     2225
 9     2225
 10    2225
 11    3421
 12    3421
 13    3421
 14    3421
 15    3421
 16    3421
 17    3421
 18    3421
 19    3421
 Name: 电话, dtype: object
 
 
抽取手机号的后四位:
 0     4812
 1     5003
 2     9938
 3     6753
 4     3721
 5         
 6     4373
 7     2452
 8     7681
 9     2452
 10    7681
 11    0999
 12    0911
 13    0912
 14    0913
 15    0914
 16    0915
 17    0916
 18    0917
 19    0918
 Name: 电话, dtype: object
 
 

    字符串拆分:
        字符串拆分是指指定的字符sep,拆分已有的字符串。
        split(sep,n,expand=False)
        sep:表示用于分隔字符串的分隔符
        n表示分割后新增的列数
        expand表示是否展开为数据库,默认为False
    返回值: expand是否展开为数据框,默认为False
 
 
            学号            电话                 IP
 0   2308024241  1.892225e+10      221.205.98.55
 1   2308024244  1.352226e+10    183.184.226.205
 2   2308024251  1.342226e+10      221.205.98.55
 3   2308024249  1.882226e+10      222.31.51.200
 4   2308024219  1.892225e+10       120.207.64.3
 5   2308024201           NaN      222.31.51.200
 6   2308024347  1.382225e+10      222.31.59.220
 7   2308024307  1.332225e+10  221.205.98.55    
 8   2308024326  1.892226e+10     183.184.230.38
 9   2308024320  1.332225e+10  221.205.98.55    
 10  2308024342  1.892226e+10     183.184.230.38
 11  2308024310  1.993421e+10     183.184.230.39
 12  2308024435  1.993421e+10     185.184.230.40
 13  2308024432  1.993421e+10     183.154.230.41
 14  2308024446  1.993421e+10     183.184.231.42
 15  2308024421  1.993421e+10     183.154.230.43
 16  2308024433  1.993421e+10     173.184.230.44
 17  2308024428  1.993421e+10                NaN
 18  2308024402  1.993421e+10      183.184.230.4
 19  2308024422  1.993421e+10      153.144.230.7
 
 
现将IP列转换为字符串str,在删除首尾空格
 0       221.205.98.55
 1     183.184.226.205
 2       221.205.98.55
 3       222.31.51.200
 4        120.207.64.3
 5       222.31.51.200
 6       222.31.59.220
 7       221.205.98.55
 8      183.184.230.38
 9       221.205.98.55
 10     183.184.230.38
 11     183.184.230.39
 12     185.184.230.40
 13     183.154.230.41
 14     183.184.231.42
 15     183.154.230.43
 16     173.184.230.44
 17                NaN
 18      183.184.230.4
 19      153.144.230.7
 Name: IP, dtype: object
 
 
按第一个'.'分成两列,1表示新增的列数
 
 
     FutureWarning: In a future version of pandas all arguments of StringMethods.split 
      except for the argument 'pat' will be keyword-only.
      splitDataFrameSeries = dataFrameSeries['IP'].str.split('.', 1, True)
      忽略警告
 
 
          0              1
 0       221      205.98.55
 1       183    184.226.205
 2       221      205.98.55
 3       222      31.51.200
 4       120       207.64.3
 5       222      31.51.200
 6       222      31.59.220
 7       221  205.98.55    
 8       183     184.230.38
 9       221  205.98.55    
 10      183     184.230.38
 11      183     184.230.39
 12      185     184.230.40
 13      183     154.230.41
 14      183     184.231.42
 15      183     154.230.43
 16      173     184.230.44
 17      NaN            NaN
 18      183      184.230.4
 19      153      144.230.7
 给第一列和第二类指定列名称
       IPOne          IPTwo
 0       221      205.98.55
 1       183    184.226.205
 2       221      205.98.55
 3       222      31.51.200
 4       120       207.64.3
 5       222      31.51.200
 6       222      31.59.220
 7       221  205.98.55    
 8       183     184.230.38
 9       221  205.98.55    
 10      183     184.230.38
 11      183     184.230.39
 12      185     184.230.40
 13      183     154.230.41
 14      183     184.231.42
 15      183     154.230.43
 16      173     184.230.44
 17      NaN            NaN
 18      183      184.230.4
 19      153      144.230.7
 
 
重置索引
 
 
    重置索引是指指定某列为索引,以便于对其他数据进行操作：
     dataFrame.set_index('列名')
 
 
   age   name
 0   26    Ben
 1   85   John
 2   64  Jerry
 3   85   John
 4   85   John
 重置索引后数据结构
        age
 name      
 Ben     26
 John    85
 Jerry   64
 John    85
 John    85
 
 
Process finished with exit code 0
  
 

                    
到了这里，关于Python3数据科学包系列(三):数据分析实战的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！

                

                

                                                

                   

                       
                            
                            
                            
                            
                    
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处： 如若内容造成侵权/违法违规/事实不符，请点击违法举报进行投诉反馈，一经查实，立即删除！

                

                                

                    
分享到：

                    领支付宝红包
                    赞助服务器费用
                

                            

            

		        
相关文章

			    
    
			        			        
  • 
			                                    
    
                            
                                【Python数据分析实战】豆瓣读书分析(含代码和数据集)
                            
                        
    
                                                
    
                            
    
                                【Python数据分析实战】豆瓣读书分析(含代码和数据集)
                            
    
                            
    
                                
    @[TOC]豆瓣 数据集： 链接：douban.csv 提取码：pmls 从数据集中可以发现出版时间的数据格式多样，有1999,2012/12,1923-4,2019年六月，因此需要提取出其年份 结果： False 46173 True 7 Name: 页数, dtype: int64 结果： False 42813 True 2073 Name: 书名, dtype: int64
    
                            
    
                            
    
                                2023年04月09日
                                
    
                                    浏览(27)
                                 
    
                            
    
                        
    
                    
    • 			        
  • 
			                                    
    
                            
                                9.7科学计算与数据分析基础试题
                            
                        
    
                                                
    
                            
    
                                9.7科学计算与数据分析基础试题
                            
    
                            
    
                                
    目录 1.创建一个3行3列的nadrray数组，数组元素为1，2，3，，，9这九个数。编写程序，计算输出其所有的元素的和.每行的均值以及每列的均值 2.正则化一个5行5列的随机矩阵，并输出。正则的概念是假设a是矩阵中的一个元素，max和min分别是矩阵元素的最大值和最小值，则正则
    
                            
    
                            
    
                                2024年02月05日
                                
    
                                    浏览(29)
                                 
    
                            
    
                        
    
                    
    • 			        
  • 
			                                    
    
                            
    
                                数据仓库的数据科学与机器学习：实现智能化的数据分析
                            
    
                            
    
                                
    数据仓库是一种用于存储和管理大量结构化数据的系统，它通常用于企业和组织的业务分析和决策支持。数据科学和机器学习是数据分析的两个重要领域，它们可以帮助企业和组织从大量数据中发现隐藏的知识和模式，从而提高业务效率和竞争力。 在过去的几年里，随着数据
    
                            
    
                            
    
                                2024年04月13日
                                
    
                                    浏览(37)
                                 
    
                            
    
                        
    
                    
    • 			        
  • 
			                                    
    
                            
    
                                科学化决策数据分析，先从量化开始
                            
    
                            
    
                                
    在当今信息爆炸的时代，数据已经成为我们生活和工作中不可或缺的一部分。在各行各业，人们越来越依赖数据来指导决策和优化业务。在这个背景下，量化成为了一种重要的方法论，通过收集、分析和解读数据，为我们提供了更准确、更可靠的决策依据。本文将介绍定性、
    
                            
    
                            
    
                                2024年02月06日
                                
    
                                    浏览(32)
                                 
    
                            
    
                        
    
                    
    • 			        
  • 
			                                    
    
                            
                                实战演练Python数据分析[pandas]
                            
                        
    
                                                
    
                            
    
                                实战演练Python数据分析[pandas]
                            
    
                            
    
                                
    本篇文章出自于《利用Python进行数据分析》示例数据 请结合提供的示例数据，分析代码的功能，并进行数据分析与可视化拓展。本篇文章通过四个例子，通过MoviesLens数据集、美国1880-2010年的婴儿名字、美国农业部视频数据库、2012年联邦选举委员会数据库来进行着重讲解。
    
                            
    
                            
    
                                2024年02月15日
                                
    
                                    浏览(37)
                                 
    
                            
    
                        
    
                    
    • 			        
  • 
			                                    
    
                            
                                python数据分析与挖掘实战(商品零售购物篮分析）
                            
                        
    
                                                
    
                            
    
                                python数据分析与挖掘实战(商品零售购物篮分析）
                            
    
                            
    
                                
            购物篮分析是商业领域最前沿、最具挑战性的问题之一，也是许多企业重点研究的问题。购物篮分析是通过发现顾客在一次购买行为中放入购物篮中不同商品之间的关联，研究顾客的购买行为，从而辅助零售企业制定营销策略的一种数据分析方法。        本篇文章
    
                            
    
                            
    
                                2024年02月06日
                                
    
                                    浏览(39)
                                 
    
                            
    
                        
    
                    
    • 			        
  • 
			                                    
    
                            
                                【数据分析实战】基于python对酒店预订需求进行分析
                            
                        
    
                                                
    
                            
    
                                【数据分析实战】基于python对酒店预订需求进行分析
                            
    
                            
    
                                
    🙋‍♂️作者简介：生鱼同学，大数据科学与技术专业硕士在读👨‍🎓，曾获得华为杯数学建模国家二等奖🏆，MathorCup 数学建模竞赛国家二等奖🏅，亚太数学建模国家二等奖🏅。 ✍️研究方向：复杂网络科学 🏆兴趣方向：利用python进行数据分析与机器学习，数学建模竞
    
                            
    
                            
    
                                2023年04月08日
                                
    
                                    浏览(71)
                                 
    
                            
    
                        
    
                    
    • 			        
  • 
			                                    
    
                            
                                Python 数据分析与可视化实战
                            
                        
    
                                                
    
                            
    
                                Python 数据分析与可视化实战
                            
    
                            
    
                                
    Python作为一门优秀的编程语言，受到很多程序员和编程爱好者的青睐。近年来，Python还在办公领域大展拳脚，许多白领纷纷加入了学习Python的行列。这是因为Python在数据的采集、处理、分析与可视化方面有着独特的优势，能够帮助职场人士从容应对大数据时代的挑战。 要想编
    
                            
    
                            
    
                                2024年02月01日
                                
    
                                    浏览(27)
                                 
    
                            
    
                        
    
                    
    • 			        
  • 
			                                    
    
                            
                                智能科学毕设分享(算法) 基于大数据的b站数据分析
                            
                        
    
                                                
    
                            
    
                                智能科学毕设分享(算法) 基于大数据的b站数据分析
                            
    
                            
    
                                
    今天向大家介绍如何使用大数据技术，对B站的视频数据进行分析，得到可视化结果。 项目运行效果： 毕业设计 基于大数据的b站数据分析 项目获取： https://gitee.com/assistant-a/project-sharing 分析方向：首先从总体情况进行分析，之后分析综合排名top100的视频类别。 总体情况部分
    
                            
    
                            
    
                                2024年02月22日
                                
    
                                    浏览(34)
                                 
    
                            
    
                        
    
                    
    • 			        
  • 
			                                    
    
                            
    
                                Spark在数据科学中的应用案例分析
                            
    
                            
    
                                
    Spark在数据科学中的应用案例分析 在数据科学领域，Apache Spark已经成为一个不可或缺的工具。其强大的分布式计算能力和丰富的数据处理功能使得数据科学家能够高效地处理大规模数据集，并从中提取有价值的信息。本文将通过几个具体的应用案例来分析Spark在数据科学中的
    
                            
    
                            
    
                                2024年02月02日
                                
    
                                    浏览(46)
                                 
    
                            
    
                        
    
                    
    • 			    

			

        

                
    

    



    
觉得文章有用就打赏一下文章作者



    
支付宝扫一扫打赏

    
博客赞助





    
微信扫一扫打赏

    
请作者喝杯咖啡吧~博客赞助











    
支付宝扫一扫领取红包，优惠每天领

	

	    
二维码1

	    
领取红包

	

	

	    
二维码2

	    
领红包