【大数据处理与可视化】三 、Pandas库的运用

---

实验目的

1. 能够熟练运用pandas库创建Series对象和DataFrame对象；
2. 能够熟练运用Series对象和DataFrame对象的索引操作和排序操作；
3. 能够熟练运用pandas库，进行统计计算和统计描述；
4. 能够熟练运用pandas库进行读写数据操作

---

实验内容

一、使用pandas库分别创建Series对象和DataFrame对象，并对创建的对象使用索引、排序等相关操作；练习DataFrame对象的统计计算和统计描述的功能。

1、创建一个DataFrame(df)，用data做数据，labels做行索引
2、显示有关此df及其数据的基本信息的摘
3、查看此df的前三行数据
4、选择df中列标签为animal和age的数据
5、选择行为[‘d’, ‘e’, ‘i’]，且列为[‘animal’, ‘age’]中的数据
6、选择visuts大于3的行
7、选择age为缺失值的行
8、选择animal为cat，且age小于3的行
9、将f行的age改为1.5
10、计算visits列的数据总和
11、计算每种animal的平均age
12、追加一行(k)，列的数据自定义(如可以等于a行的数据)，然后再删除新追加的k行
13、计算每种animal的个数(cat有几个，dog几个…)
14、先根据age降序排列，再根据visits升序排列
15、将priority列的yes和no用True和False替换
16、将animal列的snake用python替换

二、给定数据使用Pandas的基础知识对北京高考分数线统计分析，分析出：一本文理科与二本文理科最高的分数线是多少，最低的分数线是多少，相差多少分；求2006年-2008年近13年分数线平均分。

---

实验步骤

一、使用pandas库分别创建Series对象和DataFrame对象，并对创建的对象使用索引、排序等相关操作；练习DataFrame对象的统计计算和统计描述的功能。

1＆2、创建一个DataFrame(df)，用data做数据，labels做行索引，显示有关此df及其数据的基本信息的摘要

代码：

import pandas as pd
import numpy as np
labels = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j']
data = {'animal': pd.Series(['cat', 'cat', 'snake', 'dog', 'dog', 'cat', 'snake', 'cat', 'dog', 'dog'],index=labels),'age': pd.Series([2.5, 3, 0.5, np.nan, 5, 2, 4.5, np.nan, 7, 3],index=labels),'visits': pd.Series([1, 3, 2, 3, 2, 3, 1, 1, 2, 1],index=labels),'priority': pd.Series(['yes', 'yes', 'no', 'yes', 'no', 'no', 'no', 'yes', 'no', 'no'],index=labels)}
df = pd.DataFrame(data)
df

截图：

---

3、查看此df的前三行数据

代码：df[0:3]
截图：

---

4、选择df中列标签为animal和age的数据

代码：df[['animal','age']]
截图：

---

5、选择行为[‘d’, ‘e’, ‘i’]，且列为[‘animal’, ‘age’]中的数据

代码：df.loc[['d','e','i'],['animal','age']]
截图：

---

6、选择visuts大于3的行

代码：

visits_bool = df['visits']>3
df[visits_bool]

截图：

---

7、选择age为缺失值的行

代码：

age_bool = df['age'].isnull()
df[age_bool]

截图：

---

8、选择animal为cat，且age小于3的行

代码：df[(df['animal']=="cat")&(df["age"]<3)]
截图：

---

9、将f行的age改为1.5

代码：

df.loc[['f'],['age']] = 1.5
df

截图：

---

10、计算visits列的数据总和

代码：sum(df['visits'])
截图：

---

11、计算每种animal的平均age

代码：df.groupby('animal')['age'].mean()
截图：

---

12、追加一行(k)，列的数据自定义(如可以等于a行的数据)，然后再删除新追加的k行

代码：

df.loc['k']=df.loc['a'].values
df
df.drop('k')

截图：

---

13、计算每种animal的个数(cat有几个，dog几个…)

代码：df.groupby('animal').size()
截图：

---

14、先根据age降序排列，再根据visits升序排列

代码：df.sort_values(by=['age', 'visits'], ascending=[False, True])
截图：

---

15、将priority列的yes和no用True和False替换

代码：

df['priority'] = df['priority'].replace(to_replace=['yes', 'no'], value=[True, False])
df

截图：

---

16、将animal列的snake用python替换

代码：

df['animal'] = df['animal'].replace(to_replace='snake', value='python')
df

截图：

---

二、给定数据使用Pandas的基础知识对北京高考分数线统计分析，分析出：一本文理科与二本文理科最高的分数线是多少，最低的分数线是多少，相差多少分；求2006年-2008年近13年分数线平均分。

1、首先读取表格内容

代码：

import pandas as pd
df_obj=pd.read_excel('D:/scores.xlsx',header=[0,1])
df_obj

截图：

---

2、通过sort_index()=方法让DataFrame对象按照从大到小的顺序排列

代码：

sorted_obj=df_obj.sort_index(ascending=False)
sorted_obj

截图：

---

3、获取历年一本、二本文理科最高和最低的分数线及极差

代码：

sorted_obj.max()
sorted_obj.min()
result1=sorted_obj["一本分数线","文科"].ptp()
result1
result2=sorted_obj["一本分数线","理科"].ptp()
result2
result3=sorted_obj["二本分数线","文科"].ptp()
result3
result4=sorted_obj["二本分数线","理科"].ptp()
result4

截图：

---

4、比较2018年一本与二本文理科分数线的差值

代码：

ser_obj1=sorted_obj["一本分数线","文科"]
ser_obj1[2018] - ser_obj1[2017]ser_obj2=sorted_obj["一本分数线","理科"]
ser_obj2[2018] - ser_obj2[2017]ser_obj3=sorted_obj["二本分数线","文科"]
ser_obj3[2018] - ser_obj3[2017]ser_obj4=sorted_obj["二本分数线","理科"]
ser_obj4[2018] - ser_obj4[2017]

截图：

---

5、计算2006-2018年的平均分数线

代码：sorted_obj.describe()
截图：

---

实验小结

       通过本次实验，我了解了科学计算库Pandas，包括Pandas常用的数据结构、索引的相关操作、算术运算、文件的读取操作等。在实验过程中遇到了很多硬件或者是软件上的问题，请教老师，询问同学，上网查资料，都是解决这些问题的途径。最终将遇到的问题一一解决最终完成实验。
注意事项：
1、有疑问前，知识学习前，先用搜索。
2、熟读写基础知识，学得会不如学得牢。
3、选择交流平台，如QQ群，网站论坛等。
4、尽我能力帮助他人，在帮助他人的同时你会深刻巩固知识。