python数据分析实例,python数据分析实例代码

  python数据分析实例,python数据分析实例代码

  虽然Python本身可以处理的数据类型相对有限,但是numpy、pandas、xarray等库都引入了丰富的数据类型,扩展了Python在数据处理领域的用途。

  1.1 Python数据类型

  Python3有六种标准数据类型number。

  、string(字符串)、list(列表)、tuple(设置)、set(字典)。

  不可变的数据类型为number(数字)、string(字符串)和tuple。可变数据也是list、dict、set三种类型。

  六种数据类型至少有一些内置函数。例如,如果需要向列表类型添加数据,请使用以下函数:

  A.append(x) x是要追加的数字,a是要追加的数据列表,append是嵌入列表类型的函数。

  数据类型及其内置函数有很多,这里就不一一列举了。值得学习的童鞋可以用“数字内置函数”等关键词学习百度~

  对于number类型,Python3支持int(整数)、float(浮点)、bool(逻辑判定、1或0)、complex)。

  1.2 Python数据类型转换Python自带了几种数据类型之间的转换功能。通常使用以下函数。

  功能

  解释

  Is int(x)

  将x转换为整数

  它在漂浮

  将x转换为浮点数

  Str(x)是

  将X转换为字符串

  它是元组

  将序列转换成元组

  列表)。

  将序列转换成列表

  集合)。

  转换为变量集

  这是字典(d)

  做一本字典。并且必须以(键,值)元组顺序输入。

  这是免费的

  转换成不变集

  是chr(x)

  将整数转换为字符

  是顺序(x)

  将字符转换为Ascii值

  是十六进制(x)

  将整数转换为十六进制字符串。

  是oct(x)

  将整数转换成八进制字符串。

  1.3 zydsbPython 3内置了相当丰富的zydsb。即使其他语言需要通过函数进行运算,Python也可以简单地使用zydsb来达到目的。

  算术zydsb

  Python的算术zydsb包括众所周知的加减乘除(

  zydsb

  意义

  %

  取模型并返回除法的余数。

  **

  动力操作

  //

  向下舍入除法

  逻辑zydsb

  除了众所周知的(,()=),还要注意判定等式或不等式的写法。

  zydsb

  意义

  ==

  代表平等

  啊!=

  不等于

  很多人学习python,不知道从何入手。

  学完python,掌握了基本语法,很多人不知道去哪里找案例才能学好。

  做案例的人大多不知道如何学习更高级的知识。

  那么,针对这三类人,我为你提供一个很好的学习平台,免费领取视频教程、电子书、课程源代码!

  群QQ:810735403

  赋值zydsb:

  此外,Python是自由和灵活的,因为它定义了一系列灵活的算术表示。

  标志

  意义

  =

  估价

  =

  附加值zydsb

  -=

  减法值zydsb

  *=

  乘法值zydsb

  //

  zydsb分部

  %=

  类型赋值zydsb

  **=

  功率值zydsb

  //=

  整数除法赋值

  使用方法如下

  X=1相当于以下内容

  x=x 1的其余部分可以类似类推。

  逻辑zydsb

  zydsb

  意义

  一;一个

  d

  和

  或者

  或者

  不

  表示“不”

  此外,Python中还引入了成员zydsb和标识zydsb。它常用于编写循环和条件判断:

  成员zydsb:

  zydsb

  意义

  在

  确定序列中是否有成员X,是则返回真。

  不在

  判断序列中是否有成员X,如果没有则返回True。

  举一个循环中用到的栗子的例子:

  A=[1,2,3,4,5]for each in a:print(a)get:

  身份zydsb:

  zydsb

  意义

  存在

  确定是否从一个对象引用了两个标识符。

  不是

  确定这两个标识符是否引用不同的对象。

  还有位zydsb,气象学上不常用:

  zydsb

  意义

  按位and zydsb

  按bit或zydsb

  ^

  按位异或zydsb

  ~

  逐位反转

  左移zydsb

  向右移动zydsb

  2.numpy库有没有感觉Python本身的数据类型太少,面对各种数据根本不够用?没错,bzdsg也有同感,于是numpy库登场了。Numpy支持的数据类型比Python内置的多得多,基本可以对应C语言的数据类型。这些类型包括:

  名字

  形容

  布尔_

  布尔类型(真或假)

  int_

  默认整数类型(类似于C中的long、int32或int64)

  中断控制器

  与c #的int类型一样,它通常是int32或int 64。

  新生儿同种免疫性血小板减少性紫癜

  用于索引的整数类型(类似于C的ssize_t,通常仍然是int32或int64)

  int8

  字节(-128到127)

  int16

  整数(-32768到32767)

  int32

  整数(-2147483648到2147483647)

  int64

  整数(-9223372036854775808到922372036854775807)

  uint8

  无符号整数(0到255)

  uint16

  无符号整数(0到65535)

  uint32

  无符号整数(0到4294967295)

  uint64

  无符号整数(0到18446744073709551615)

  浮动_

  float64型的缩写

  浮动16

  半精度浮点数,包括:1个符号位、5个指数位和10个尾数位。

  float32

  单精度浮点数,包括:1个符号位、8个指数位和23个尾数位。

  float64

  双精度浮点数,包括:1个符号位、11个指数位和52个尾数位。

  复杂_

  28位复杂类型的缩写

  复杂64

  复数,表示双32位浮点数(实部和虚部)

  复杂128

  复数,表示双64位浮点数(实部和虚部

  通过numpy库的数据类型转换也可以通过函数来完成,但是没有以前那么繁琐了,可以通过astype()函数来完成。使用方法如栗子所示:

  将numpy作为NPA=NP导入。arange (0,1,0.1) b=NP。astype (int )。此外,numpy库增加了不少与计算和统计相关的功能,包括但不限于:

  功能

  意义

  sqrt()

  平方根

  sin() cos()

  三角函数

  abs()

  绝对值

  日志/日志1/日志2()

  对数函数

  exp()

  指数函数

  累计和()

  累积总和

  累计产品()

  累积正交

  总和()

  求和

  平均值()

  求平均值

  南均值

  求除nan值(气象学中的缺失值)以外的平均值

  中位数()

  中位数

  标准()

  标准偏差

  风险值()

  变化

  corrcoef()

  相关系数

  更多信息请查看官网界面:www.numpy.org.cn/reference/

  3.pandas库numpy虽然有各种优点,但也有自己的缺点,比如对结构化数据的访问和处理不够灵活,于是基于numpy库的熊猫库应运而生。

  Pandas库引入了两种基本的数据访问方式:序列和数据帧。

  Pandas的数据类型和numpy一样,包括:string type:object;整数类型:Int64、Int32、Int16、Int8;无符号整数:UInt64、UInt32、UInt16、UInt8;浮点数的类型:float64,float32;以及日期和时间类型:datetime64[ns],datetime64[ns,tz],time delta[ns];布尔类型:bool。

  数据转换函数和numpy一样,都是astype(),用法也差不多。

  常用的计算函数有:

  功能

  意义

  计数()

  统计数字

  总和()

  求和

  平均值()

  求平均值

  疯狂()

  平均绝对方差

  argmin()

  最小值的索引位置

  idxmin()

  每列最小值的行索引。

  模式()

  方式

  封面()

  协方差

  更正()

  相关系数

  pct_change()

  时间序列变化

  abs()

  绝对值

  扫描电镜()

  标准误差

  倾斜()

  偏斜系数

  硬质涂层()

  峰度系数

  更多信息可以在www.pypandas.cn/docs/,官网找到

  4.Xarray、netCDF4等库气象数据有其独特性,所以在之前熊猫等数据库的基础上,开发了Xarray、netCDF4等数据库,在处理气象数据方面有很大的优势。

  Xarray提供了一种非常灵活的索引方法,结合了numpy和pandas的优点进行数据存储。气象之家biubiubiu123童鞋的博客,有助于Xarray库在气象方面的应用。将链接复制到粘贴目录:bbs.06climate.com/forum.php? mod=viewthreadtid=94639 .Xarray的官网链接是:xarray.pydata.org/en/stable/index.html.机智的朋友可以按照本文之前整理其他库的逻辑,从数据类型、数据转换、计算函数三个方面学习。边肖在此不再赘述。(否则篇幅太长)

  同样,netCDF4库的github主页链接:github.com/Unidata/netcdf4-python.

  在这里,我想推荐一下我自己的Python开发交流学习(qq)群:810735403。都是学Python开发的。如果你正在学习Python,欢迎你的加入。大家都是软件开发党,不定期分享干货(仅与Python软件开发相关),包括一份2021年最新的Python进阶资料和自己编的进阶开发教程。欢迎进阶和想深入Python的人!

郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。

相关文章阅读

  • 2020年高考成绩分布表,2020年高考成绩统计,数据分析2020年全国各省高考成绩分布情况
  • ,,python实现数据分析与建模
  • python3 数据分析,python数据分析课堂
  • 《数据思维》,数据分析的思维导图
  • python数据分析就业方向,python数据分析毕业论文
  • python数据分析数据清洗,python中数据清洗
  • 基于Python的数据可视化,python数据分析及可视化处理的第三方库
  • 利用python进行数据分析豆瓣,python数据分析基础和利用python进行数据分析
  • python数据分析数据清洗,用python进行数据清洗
  • python对excel表格数据的统计和分析,python进行excel数据分析
  • 从零开始学Python数据分析与挖掘,自学python数据分析
  • python数据分析结构思维导图,python组合数据类型思维导图
  • 关联规则分析案例,关联规则数据分析题,关联规则的实际案例数据
  • 数据分析与商业数据分析,120个Excel商业数据分析实战案例
  • python数据分析excel读写,python 读取excel数据
  • 留言与评论(共有 条评论)
       
    验证码: