首页下载资源行业研究chapter7-Pandas数据分析实战.zip

ZIPchapter7-Pandas数据分析实战.zip

2301_8143563682.95KB需要积分:1

资源文件列表:

chapter7-Pandas数据分析实战.zip 大约有16个文件
  1. chapter7-Pandas数据分析实战/7.1.1series.py 2.75KB
  2. chapter7-Pandas数据分析实战/7.1.2DateTimeIndex.py 3.02KB
  3. chapter7-Pandas数据分析实战/7.1.3 two-dimensional-DateFrame.py 1.54KB
  4. chapter7-Pandas数据分析实战/7.11-7.12 resample-sort_index.py 2.57KB
  5. chapter7-Pandas数据分析实战/7.2.10 pivot-crosstab.py 2.52KB
  6. chapter7-Pandas数据分析实战/7.2.13 std-cov.py 1.38KB
  7. chapter7-Pandas数据分析实战/7.2.14 assessors.py 1.79KB
  8. chapter7-Pandas数据分析实战/7.2.15 figure.py 1.43KB
  9. chapter7-Pandas数据分析实战/7.2.17 merge.py 1.7KB
  10. chapter7-Pandas数据分析实战/7.2.1-7.2.4 read-dataset-from-excel.py 5.36KB
  11. chapter7-Pandas数据分析实战/7.2.5summary-task.py 2.71KB
  12. chapter7-Pandas数据分析实战/7.2.6-7.2.8 deal-with-unnormal-value.py 3.92KB
  13. chapter7-Pandas数据分析实战/7.2.9 data-difference.py 998B
  14. chapter7-Pandas数据分析实战/as_index.py 189B
  15. chapter7-Pandas数据分析实战/超市营业额2.xlsx 19.94KB
  16. chapter7-Pandas数据分析实战/第7章+pandas数据分析实战.ipynb 143.44KB

资源介绍:

chapter7-Pandas数据分析实战.zip
# -*- coding: utf-8 -*- """ Created on Thu Nov 14 16:30:11 2024 @author: Hou-Liu """ """7.2.1 读取Excel文件中的数据""" import pandas as pd # 设置列对齐 pd.set_option('display.unicode.ambiguous_as_wide', True) pd.set_option('display.unicode.east_asian_width', True) # 读取工号、姓名、时段、交易额这四列数据，使用默认索引 # 如果可以确定数据类型，使用usecols={'工号':str,'姓名':str,'交易额':float}可以提高速度 df = pd.read_excel(r'超市营业额2.xlsx', usecols=['工号','姓名','时段','交易额']) # 输出前10行数据 print(df[:10], end='\n\n') # 读取第一个worksheet中所有列 # 跳过第1、3、5行，指定下标为1的列中数据为DataFrame的行索引标签 df = pd.read_excel(r'超市营业额2.xlsx', skiprows=[1,3,5], index_col=1) print(df[:10]) ###7.2.2 筛选符合特定条件的数据 import pandas as pd # 设置列对齐 pd.set_option('display.unicode.ambiguous_as_wide', True) pd.set_option('display.unicode.east_asian_width', True) # 读取全部数据，使用默认索引 df = pd.read_excel(r'超市营业额2.xlsx') # 对行进行切片，注意使用序号切片时是限定的左闭右开区间 # 如果使用index标签切片，限定的是闭区间 print('下标在[5,10]区间的的行'.ljust(20,'='), df[5:11], sep='\n') # iloc、iat使用数字做索引 # 相当于print(df.iloc[5, :]) print('索引为5的行'.ljust(20,'='), df.iloc[5], sep='\n') # 行下标为3、列下标为2的值 print('行下标为3、列下标为2的值'.ljust(20,'=')) print(df.iloc[3, 2]) print(df.iat[3, 2]) print('下标为[3,5,10]的行'.ljust(20,'=')) print(df.iloc[[3,5,10], :]) print('行下标为[3,5,10]，列下标为[0,1,4]'.ljust(30, '=')) print(df.iloc[[3,5,10], [0,1,4]]) print('查看指定的列前5行数据'.ljust(20,'=')) print(df['交易额'][:5]) print(df[['姓名', '时段', '交易额']][:5]) print('只查看前10行指定的列'.ljust(20,'=')) print(df[:10][['姓名', '日期', '柜台']]) print('下标为[3,5,10]的行的指定列'.ljust(20,'=')) # loc和at使用标签做索引 print(df.loc[[3,5,10], ['姓名','交易额']]) print('行下标为3,姓名列的值'.ljust(20,'='), df.at[3, '姓名'], sep='\n') print('交易额高于1700元的数据'.ljust(20,'='), df[df['交易额']>1700], sep='\n') print('交易总额'.ljust(20,'='), df['交易额'].sum(), sep='\n') print('下午班的交易总额'.ljust(20,'=')) print(df[df['时段']=='14:00~21:00']['交易额'].sum()) # 等价写法 print(df.loc[df['时段']=='14:00~21:00','交易额'].sum()) print('张三下午班的交易情况'.ljust(20,'=')) print(df[(df.姓名=='张三')&(df.时段=='14:00~21:00')][:10]) print('日用品柜台销售总额'.ljust(20,'=')) print(df[df['柜台']=='日用品']['交易额'].sum()) print('张三和李四二人销售总额'.ljust(20,'=')) print(df[df['姓名'].isin(['张三','李四'])]['交易额'].sum()) print('交易额在指定范围内的记录'.ljust(20,'=')) print(df[df['交易额'].between(800, 850)]) ###7.2.3 查看数据特征和统计信息 import pandas as pd # 读取全部数据，使用默认索引 df = pd.read_excel(r'超市营业额2.xlsx') print('查看交易额统计信息'.ljust(20,'='), df['交易额'].describe(), sep='\n') print('交易额四分位数'.ljust(20,'=')) # 查看最小值、四分之一数、半数、最大值 print(df['交易额'].quantile([0, 0.25, 0.5, 0.75, 1.0])) print('交易额中值'.ljust(20,'='), df['交易额'].median(), sep='\n') print('交易额最小的三条记录'.ljust(20,'='), df.nsmallest(3, '交易额'), sep='\n') print('交易额最大的5条记录'.ljust(20,'='), df.nlargest(5, '交易额'), sep='\n') print('最后一个日期'.ljust(20,'='), df['日期'].max(), sep='\n') print('最小的工号'.ljust(20,'='), df['工号'].min(), sep='\n') print('第一个最小交易额的行下标'.ljust(20,'=')) index = df['交易额'].idxmin() print(index) print('第一个最小交易额'.ljust(20,'=')) print(df.loc[index,'交易额'], df.交易额.min()) print('第一个最大交易额的行下标'.ljust(20,'=')) index = df['交易额'].idxmax() print(index) print('第一个最大交易额'.ljust(20,'=')) print(df.loc[index,'交易额'], df.交易额.max()) ###7.2.4 按不同要求对数据排序 import pandas as pd # 设置列对齐 pd.set_option('display.unicode.ambiguous_as_wide', True) pd.set_option('display.unicode.east_asian_width', True) # 读取全部数据，使用默认索引 df = pd.read_excel('超市营业额2.xlsx') print('按交易额和工号降序排序'.ljust(20, '=')) print(df.sort_values(by=['交易额','工号'], ascending=False)[:12]) print('按交易额降序、工号升序排序'.ljust(20, '=')) print(df.sort_values(by=['交易额','工号'], ascending=[False,True])[:12]) print('按工号升序排序'.ljust(20, '=')) print(df.sort_values(by='工号', na_position='last')[:10]) print('按列名汉字Unicode编码升序排序'.ljust(20, '=')) # 注意，这里是按汉字的Unicode编码排序 print(df.sort_index(axis=1, ascending=True)[:10]) print('按姓名汉字拼音升序排序'.ljust(20, '=')) # from copy import deepcopy # from pypinyin import pinyin # dff = deepcopy(df) # dff['拼音'] = dff.姓名.map(pinyin) # print(dff.sort_values(by='拼音').drop('拼音',axis=1)[:10])
100+评论
captcha

    相关资源

    1. 一种基于扩展反电动势的永磁同步电机无位置控制算法，全部C语言 编写，含有矢量控制大部分功能(弱磁，解耦，过调制，死区补偿等)为了方便学习和工作，该产品结合S-Function进行仿真，且属于量产产品

      jAtUlQNMl#行业研究ZIP634.66KB2月前
      资源摘要:一种基于扩展反电动势的永磁同步电机无位置控制算法，全部C语言 编写，含有矢量控制大部分功能(弱磁，解耦，过调制，死区补偿等)为了方便学习和工作，该产品结合S-Function进行仿真，且属于量产产品级，已经在多个项目中应用，并赠送多种无位置纯仿真模型(包含滑膜，高频注入，MRAS,龙贝格等)

    2. Labview视觉一键尺寸测量仪，多产品，多尺寸，快速编辑， 测量，导出结果

      jAtUlQNMl#行业研究ZIP2.41MB2月前
      资源摘要:Labview视觉一键尺寸测量仪，多产品，多尺寸，快速编辑， 测量，导出结果

    3. Labview ，非标自动化软件通用程序框架，程序模块化新增，快速开发，只需配置表格，逻辑判断，循环跳转，变量新建，都在表格内实现，程序不需要改动，快速设备开发，自动化设备编写程序周期由2周缩短到1天

      jAtUlQNMl#行业研究ZIP1.94MB2月前
      资源摘要:Labview ，非标自动化软件通用程序框架，程序模块化新增，快速开发，只需配置表格，逻辑判断，循环跳转，变量新建，都在表格内实现，程序不需要改动，快速设备开发，自动化设备编写程序周期由2周缩短到1天，支持多种硬件，多种轴卡，io卡，机械手

    4. 12月讲义答案.zip

      qq_51484559#行业研究ZIP3.71MB2月前
      资源摘要:12月讲义答案.zip

    5. Python电影票售票系统

      weixin_74361155#后端ZIP2.57MB2月前
      资源摘要:Python电影票售票系统

    6. bugreport Xiaomi MIX Fold 2 20241218200028.zip

      m0_55835608#行业研究ZIP41.77MB2月前
      资源摘要:bugreport Xiaomi MIX Fold 2 20241218200028.zip

    7. 实验项目7 Python功能展示.zip

      2402_89641971#行业研究ZIP121.17KB2月前
      资源摘要:实验项目7 Python功能展示.zip

    8. 指甲分割数据集labelme格式9922张1类别.zip

      2403_88102872#行业研究ZIP407B2月前
      资源摘要:样本图：blog.csdn.net/2403_88102872/article/details/144568635文件放服务器下载，请务必到电脑端资源预览或者资源详情查看然后下载数据集格式：labelme格式(不包含mask文件，仅仅包含jpg图片和对应的json文件)图片数量(jpg文件个数)：9922标注数量(json文件个数)：9922标注类别数：1标注类别名称:["Nail"]每个类别标注的框数：Nail count = 39410使用标注工具：labelme=5.5.0标注规则：对类别进行画多边形框polygon重要说明：可以将数据集用labelme打开编辑，json数据集需自己转成mask或者yolo格式或者coco格式作语义分割或者实例分割特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注
    站长QQ:九六九五七三七