跳转至

Python笔记

1.pd.DataFrame,

这是Pandas创建DataFrame的格式,记得大写 DF的每一列就是一个Series

2.读入文本格式数据文件

pandas.read_table():更通用的文本读取代码 主要的区别在于默认的sep="/t",即tab

pd.read_csv()

pd.read_csv(
    filepath or buffer:要读入的文件路径
    sep='，'：列分隔符
    header='infer'：指定数据中的第几行作为变量名
    names = None:自定义变量名列表
    index_col = None：将会被用作索引的列名，多列时只能使用序号列表<br> usecols = None：指定只读入某些列，使用索引列表或者名称列表均可。
            [0，1，3]，[”名次”，”学校名称”，”所在地区”]
    encoding = None:读入文件的编码方式
            utf-8/GBK，中文数据文件最好设定为utf-8
    na_values：指定将被读入为缺失值的数值列表，默认下列数据被读入为缺失值：
            ' '，'#N/A', '#N/A N/A', '#NA', '-1.#IND',
            '-1.#QNAN', '-NaN', '-nan', '1.#IND', '1.#QNAN', 
            ‘N/A',  'NA', 'NULL', 'NaN', 'n/a', 'nan', 'null'
)：读取csv格式文件，但也可通用于文本文件读取

4.image-20230924212132039

describe命令

一次性输出常用的集中趋势和离散趋势汇总指标 百分位数的输出为其特色功能

df.describe(
    percentiles:需要输出的百分位数，列表格式提供，如[.25, .5, .75]
    include = "None" :要求纳入分析的变量类型白名单
        None (default) :只纳入数值变量列
        A list0-like of dtypes :列表格式提供希望纳入的类型
        "all": 全部纳入
    exclude: 要求剔除分析的变量类型黑名单，选项同上
)

单变量的评数统计

Series.value_counts(
    normalize = False: 是否返回构成比例而不是原始频数
    sort = True:是否按照频数排序（否则按照原始顺序排列）
    ascending = False:是否升序排列
    bins: 对数值变量直接进行分段。可看作是判断pd.cut的简易用法
    dropna = True: 结果中是否包括NaN
)

交叉表

pd.crosstab(
    行列设定
        index / columns: 行变量/列变量，多个时以list形式提供
        rownames / colnames = None: 交叉表的行列名称
    单元格设定
        Values: 在单元格中需要汇总的变量列，需要进一步指定aggfunc
        aggfunc: 相应的汇总函数
    行列百分比计算
        normalize = False: {"all","index", "columns"}, or {0,1}
        "all" / True: 总计百分比
        "index" / 0:分行计算百分比
        "columns" / 1: 分列计算百分比
        当margins = True时，也同时计算边际汇总的百分比
    汇总设定
        margins = False : 是否加入行列汇总
        margins_name = "All": 汇总行/列的名称
        dropna = True: 

    )