Python数据分析及应用 课件汇总 徐娟 第7--11章 Pandas数据分析 --- Python机器学习 .pptx

;目录;（1）知识目标：掌握Pandas的两种数据结构及其基本操作、掌握DataFrame数据的基本操作，即数据的查改增删、掌握Pandas的数据导入与导出操作、掌握数据分析前的常用预处理操作、掌握Pandas中的数据分组、聚合以及统计操作、掌握Pandas中数据透视表和交叉表的创建方法。

（2）技能目标：具备一定的数据分析和处理能力，能够运用Pandas高效地处理数据集、能够利用Pandas进行数据统计分析，如描述性统计、分组统计等，为数据分析和数据挖掘提供有力支持；具备一定的问题解决能力，面对实际的数据处理问题时，能够迅速分析并找到解决方案，利用Pandas工具集进行实践。

（3）素质目标：保持对新技术和新方法的关注，持续学习；在处理复杂数据时，能够保持清晰的逻辑思维，有条理地进行数据分析和处理；数据处理工作往往繁琐且需要高度细致，能够保持耐心和细心，确保数据处理???准确性和完整性。

;销售数据如同一面镜子，清晰地映射出顾客需求、市场变化以及经营策略的有效性。为提升顾客满意度，增强市场竞争力，对销售数据进行分析显得很重要。本章将围绕小型商店的近期销售数据，通过pandas的数据分析技术，分析哪些商品受顾客青睐、每天的销售总额、每类商品的售出数量有何变化等。

通过本章的学习，您将掌握如何使用Pandas轻松应对各种数据处理挑战，系统地学习Pandas的基础知识，从核心数据结构DataFrame和Series的创建与操作开始，逐步深入到数据的导入与导出、清洗与转换、聚合与筛选、排序与索引等高级功能。

;Pandas主要提供了两种数据类型：Series和DataFrame，Series是一维数据结构，DataFrame是二维数据结构。

在程序中要使用Pandas，首先需要导入该库，同时为方便使用，在导入时通常为该库起别名为“pd”，命令为：

importpandasaspd

在jupyternotebook中，可根据需要设置数据显示的行列数，通过调用pandas的set_option()方法来实现，如以下命令可设置在jupyternotebook中最多显示10行8列数据，超出部分使用省略号替换。

pd.set_option(display.max_rows,10)

pd.set_option(display.max_columns,8)

;Pandas中的Series类似于一维数组或列表，但功能更为强大。Series对象由索引（index）和数据（data）两部分组成的，索引也称为数据标签。索引用于标识数据的位置，可以是自动生成的整数，也可以是自定义的字符串等任意数据类型。数据部分则存储了Series的实际值，可以是数值、字符串、布尔值等任意数据类型。

;可以使用pandas的Series()函数创建Series对象，其基本语法为：

pd.Series(data,index=None)

data是必要参数，指要放入Series中的数据，可以是列表、数组、字典等。index是可选参数，能够自定义Series对象的索引，如果没有指定索引，pandas会自动创建从0开始的整数索引。

;通过index属性可以获取Series对象的索引，values属性可以获取Series对象的数据值。同时，与字符串、列表等数据类型一样，Series也支持索引和切片操作，可以通过索引来选择或修改数据，也可以通过切片获取一段范围内的数据，得到一个新的Series数据对象。

;DataFrame是类似于二维数组或表格（如excel）的对象，它包含一组有序的列，每一列的数据类型是相同的，但不同列可以是不同的值类型（字符串、数字、日期时间等）。DataFrame既有行索引，又有列索引，可以看作由Series组成的字典。DataFrame包括3个基本要素，分别是索引、列、数据。在DataFrame的许多操作中，都使用了axis这一参数，用于指定操作是应用于行的方向还是列的方向，axis=0指操作应用于行，而axis=1指操作应用于列。

;DataFrame的创建可以通过多种方式实现，最常用的是通过字典、列表、文件导入创建。

使用字典创建DataFrame时，字典的键成为列名，字典的值（通常是列表或数组）成为对应列的数据。使用列表创建DataFrame时，实际上是通过列表的列表，即二维列表来创建,并通过使用columns属性指定列名。

;;;;本节将介绍对DataFrame数据的提取、增加、删除、修改、条件检索等内容，使用相同的DataFrame进行操作，创建数据的代码为：

importpandasaspd

data={ID:[001