手把手教你使用Python进行数据分析和可视化（附零基础学习资料）_利用python做数据可视化分析

前言

Python是进行数据分析的一种很不错的语言，主要是因为以数据为中心的库非常适合。 Pandas是其中的一种，使导入和分析数据更加容易。 在本文中，我使用了来分析斯坦福网站的公共数据集中的Country Data.csv文件中的数据。（文末送读者福利）

安装
安装Pandas：

pip install pandas
1

在Pandas中创建DataFrame通过使用pd.Series方法将多个Series传递到DataFrame类中来完成数据帧的创建。 在这里，它在两个Series对象中传递，s1作为第一行，s2作为第二行。

例子：

输出：

用Pandas导入数据

第一步是读取数据。数据存储为逗号分隔值或csv文件，其中每行用换行分隔，每列用逗号（，）分隔。为了能够使用Python中的数据，需要将csv文件读取到Pandas DataFrame中。DataFrame是表示和处理表格数据的一种方式。（文末送读者福利）

例子：

import pandas as pd 

df = pd.read_csv("IND_data.csv") 

df.head() 

df.shape 
1
2
3
4
5
6
7

输出：

29,10
1

用Pandas索引DataFrames

可以使用pandas.DataFrame.iloc方法建立索引。iloc方法允许按位置检索多达行和列。

例子：

df.iloc[0:5,:] 
df.iloc[:,:] 
df.iloc[5:,:5] 
1
2
3

---

很多人学习python，不知道从何学起。
很多人学习python，掌握了基本语法过后，不知道在哪里寻找案例上手。
很多已经做案例的人，却不知道如何去学习更加高深的知识。
那么针对这三类人，我给大家提供了视频教程，电子书籍，以及课程的源代码！
文末领取

---

在Pandas中使用标签建立索引

可以使用pandas.DataFrame.loc方法对标签进行索引，该方法允许使用标签而不是位置进行索引。
例子：

df.loc[0:5,:] 
df = df.loc[5:,:] 
1
2

上面的内容实际上与df.iloc [0：5 ,:]并没有太大区别。这是因为尽管行标签可以采用任何值，但我们的行标签与位置完全匹配。但是，列标签可以使处理数据时变得更加容易。例子：

df.loc[:5,"Time period"] 
1

DataFrame Math与Pandas

数据帧的计算可以通过使用pandas工具的统计功能来完成。
例子：

df.describe() 
df.corr() 
df.rank() 
1
2
3

Pandas图

这些示例中的图是使用用于引用matplotlib API的标准约定制作的，该API提供了Pandas的基础知识，可轻松创建美观地图。
例子：

import the required module 
import matplotlib.pyplot as plt 
df['Observation Value'].hist(bins=10) 

df.boxplot(column='Observation Value', by = 'Time period') 

x = df["Observation Value"] 
y = df["Time period"] 
plt.scatter(x, y, label= "stars", color= "m", 
			marker= "*", s=30) 
plt.xlabel('Observation Value') 
plt.ylabel('Time period') 
plt.show() 
1
2
3
4
5
6
7
8
9
10
11
12
13

读者福利：知道你对Python感兴趣，便准备了这套python学习资料

对于0基础小白入门：

如果你是零基础小白，想快速入门Python是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以找到适合自己的学习方案

零基础Python学习资源介绍

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/Cpp五条/article/detail/693301