pandas进行数据分析

import pandas as pd

import numpy as np

data = pd.read_excel('模拟数据.xlsx')

data.head()

len(data)    #数据行数

len(data.columns)    #数据列数

data.info()     #数据各列详细信息

data.describe()   #默认，值统计数值型列

data.describe(include='all')   #所有列

data.describe(include='object')   #只针对列为字符型

data.dtypes

data[data['性别']=='男']

data[data['年龄']>=30]

data[(data['年龄']>=30) & (data['性别']=='男')]   #两个条件 与

data[(data['年龄']>=30) | (data['性别']=='男')]    #两个条件 或

data.loc[data['姓名']=='张三','性别']='女'   #把张三 性别 修改为：女

data

data   #性别、年龄  里面各有个缺失值

int(data['年龄'].mean(skipna=True))

#年龄的缺失值，用平均值来代替

data['年龄'].fillna(int(data['年龄'].mean(skipna=True)),inplace=True)   

data

data['性别'].fillna('其他',inplace=True)

data

#方法一

data.loc[15]=[16,'new',55,'女',350,4,50]

data

#方法二

data_new = pd.DataFrame([[16,'new',55,'女',350,4,50]],columns=data.columns)

pd.concat([data,data_new],ignore_index=True)

data['new_column_1']=0

data['new_column_2']='new'

data.loc[15]=[16,'new',55,'女',350,4,50,0,'new']    #先添加一个测试行

data

data.drop(index=15,inplace=True)    #删除行

data

data.drop(columns='new_column_1')    #返回删除后的新数据，原始数据不变

data.drop(columns=['new_column_1','new_column_2'])   #返回删除后的新数据，原始数据不变

data.drop(columns=['new_column_1','new_column_2'],inplace=True)   #在原始数据上处理

data

data 

data[['性别','消费频次']]

data[['性别','消费频次']].drop_duplicates(keep='first')  #保留第1个，一般结合排序使用

data[['性别','消费频次']].drop_duplicates(keep='last') #保留最后1个，一般结合排序使用

#根据 性别、消费频次 2列进行去重

data.drop_duplicates(subset=['性别','消费频次'],keep='first')

data

data.sort_values(by='消费金额',ascending=True)

data.sort_values(by='消费金额',ascending=False)

data.sort_values(by=['消费频次','消费金额'],ascending=[False,True])

data

data['性别'].value_counts()

data['性别'].value_counts(normalize=True)  #百分比

data.value_counts(subset='性别')

data.value_counts(subset=['消费频次'],sort=True,ascending=True)

data

pd.pivot_table(data,index=['性别'],aggfunc='count')

pd.pivot_table(data,index=['性别'],values=['姓名'],aggfunc='count')

pd.pivot_table(data,index=['性别'],

               columns=['消费频次'],

               values=['姓名'],

               aggfunc='count',

               fill_value=0)

pd.pivot_table(data,index=['性别'],

               columns=['消费频次'],

               values=['姓名'],

               aggfunc='sum',

               fill_value=0)

pd.pivot_table(data,index=['性别'],

               columns=['消费频次'],

               values=['消费金额'],

               aggfunc='sum',

               fill_value=0)

pd.pivot_table(data,index=['性别'],

               columns=['消费频次'],

               values=['最近一次消费距今间隔天数'],

               aggfunc='mean',

               fill_value=0)

data

data['消费金额'].sum()

data

data.count()

data['姓名'].count()

data

#方法一

data['性别_处理']=data['性别'].map(lambda x:1 if x=='男' else 0)

#方法二

def gender(x):

    if x=='男':

        return 1

    else:

        return 0

data['性别_处理2']=data['性别'].map(gender)

#方法三

dict_gender={'男':1,'女':0 ,'其他':0}

data['性别_处理3']=data['性别'].map(dict_gender)