Python数据分析与应用案例教程-第2章--Python数据分析基础.pptxVIP

;Python数据分析基础;Python数据分析基础;Python数据分析基础;;;NumPy定义了一个n维数组对象，简称ndarray对象，它是一个由一系列相同数据类型的元素组成的数据集合。NumPy提供了多种函数用于创建数组，下面介绍比较常用的几种。;2.1NumPy库;2.1NumPy库;2.1NumPy库;2.1NumPy库;2.1NumPy库;2.1NumPy库;2.1NumPy库;2.1NumPy库;2.1NumPy库;2.1NumPy库;2.1NumPy库;2.1NumPy库;2.1NumPy库;2.1NumPy库;2.1NumPy库;NumPy数组的基本属性如表2-2所示。;2.1NumPy库;2.1NumPy库;在NumPy中，如果想要访问或修改数组中的元素，可以采用索引或切片的方式。索引与切片的区别是索引只能获取单个元素，而切片可以获取一定范围的元素。;2.1NumPy库;2.1NumPy库;2.1NumPy库;2.1NumPy库;2.1NumPy库;2.1NumPy库;2.1NumPy库;2.1NumPy库;2.1NumPy库;2.1NumPy库;2.1NumPy库;2.1NumPy库;2.1NumPy库;2.1NumPy库;;Pandas中有两个主要的数据结构：Series对象和DataFrame对象。;;2.2Pandas库;在图2-13中，“c1”“c2”“c3”为列标签，其对应的列索引为0～2；“i1”“i2”“i3”“i4”为行标签，其对应的行索引为0～3。

Pandas使用DataFrame类的构造函数DataFrame()来创建DataFrame对象，其一般格式如下。;DataFrame对象有很多属性和函数，其中常用的属性和函数如表2-4所示。;在DataFrame中，可以按标签或索引选取数据。;;2.2Pandas库;2.2Pandas库;2.2Pandas库;本节主要介绍DataFrame中数据的操作，包括数据的修改、增加和删除。;2.2Pandas库;2.2Pandas库;2.2Pandas库;2.2Pandas库;2.2Pandas库;#在第1列插入标签为c4的列，且不允许列标签重复

df.insert(0,c4,11,allow_duplicates=False)

#在第1列插入标签为c1的列，且允许列标签重复

df.insert(0,c1,[11,12,13,14],allow_duplicates=True);2.2Pandas库;DataFrame.drop(labels=None,axis=0,index=None,columns=None,inplace=False);#在原数据上删除i1行

df.drop([i1],inplace=True)

#删除i1行和i2行，返回新对象

df1=df.drop(index=[i1,i2])

#在原数据上删除c1列

df.drop(c1,axis=1,inplace=True)

#删除c1列和c2列，返回新对象

df2=df.drop(columns=[c1,c2]);针对不同的文件，Pandas保存和导入数据的方式是不同的，下面主要介绍文本数据和Excel数据的保存与导入。;2.2Pandas库;2.2Pandas库;2.2Pandas库;如果将数据保存在Excel文件的一个工作表中，to_excel()函数的使用方法与to_csv()函数类似；如果将数据保存在多个工作表中，则需要使用ExcelWriter对象。

例如，将DataFrame对象df中的数据分别保存到“test.xlsx”文件的“Sheet1”和“Sheet2”工作表中，代码如下。;2.2Pandas库;2.2Pandas库;;;;;;;;课堂实训2;;