Pandas数据分析实战（1）

Python在数据处理和准备一直做得很好，但在数据分析和建模方面就差一些。pandas帮助填 补了这一空白，使您能够在Python中执行整个数据分析工作流程，而不必切换到更特定于领域的语 言，如R。pandas是 Python 的核心数据分析支持库，提供了快速、灵活、明确的数据结构，旨在简单、直观地处理关系型、标记型数据。pandas是Python进行数据分析的必备高级工具。

pandas的主要数据结构是 Series(一维数据)与 DataFrame (二维数据)，这两种数据结构足以处理 金融、统计、社会科学、工程等领域里的大多数案例。处理数据一般分为四个阶段：数据整理与清洗、数据分析与建模、数据可视化与制表，Pandas 是处理数据的理想工具。

**数据来源与下载：https://www.heywhale.com/mw/dataset/59e715b76d213335f38d4507

用列表生成 Series时，Pandas 默认自动生成整数索引，也可以指定索引

输出：

Dataframe是由多种类型的列构成的二维标签数据结构，类似Excel\SQL 表，或Series对象的字典

输出：

chipotle快餐店的订单的样本数据（chipotle.tsv），具体字段说明如下：

1.查看数据前10行

输出： 2.查看数据后10行

输出： 3.查看形状，数据的行数和列数，输出（行数,列数）

输出： 4.行索引，从0开始到4622（不包含），步长为1

输出： 5.列索引，各列的名称

输出： 6.对象值，二维ndarray-NumPy数据结构

输出： 7.查看数值型列的数据汇总统计，输出count计数、mean平均值、std标准差、min最小值、25%第一四分位数、50%中位数、75%第三四分位数、max最大值

输出： 8.查看列索引（Columns）、数据类型(Dtype)、缺失值个数(Non-Null Count)和内存信息(memery usage)

输出：

1.查看产品名称这一列，返回数据为Series

输出： 2.查看产品名称及数量这两列，返回数据为DataFrame

输出： 3.查看行索引从3开始到10结束（不包含）

输出： 4.查看销售数量大于5的商品订单信息

输出： 5.查看销售数量大于50，商品名称为’Bottled Water’的订单信息

输出： 6.按位置选择数据

输出： 7.新增一列remark，并给列中元素赋值

输出：

今天先写到这里，我们下期再见O(∩_∩)O

**整理课件不易，走过路过觉得课程内容不错，请帮忙点赞、收藏！Thanks♪(･ω･)ﾉ****如需转载，请注明出处