Dataframe基础操作巩固——美国大选献金项目
需求:
1.读取数据
2.查看是否有缺失数据
3.用统计学指标快速描述数值型属性的概要
4.空值处理。可能因为忘记填写保密等原因,相关字段出现了空值,将其填充为NOT PROVIDE
df.fillna(value = 'NOT PROVIDE',inplace=True)
5.异常值的处理。将捐赠金额<=0的数据删除
df.drop(labels=drop_indexs,axis=0,inplace=True)
axis=0是行,唯一一个特殊的
6.新建一列为各个候选人所在党派的party
7.查看party这一列中有哪些不同的元素
8.统计party列中各个元素出现的次数
9.查看各个党派收到的政治献金总数
10.查看具体每天各个党派收到的政治献金总数
11.将表中的时期格式转变为"yyyy-mm-dd"
12.查看老兵(捐赠者职业)主要支持谁
1、2、读取数据、查看是否有缺失数据
import pandas as pd
from pandas import DataFrame
import numpy as np
df=pd.read_csv("C:\\Users\\zoutong\\Desktop\\programming\\case\\usa_election .txt")
df.head()
parties = {'Bachmann, Michelle':'Republican','Romney, Mitt':'Republican','Obama, Barack':'Democrat',"Roemer, Charles E. 'Buddy' III":'Reform','Pawlenty, Timothy':'Republican','Johnson, Gary Earl':'Libertarian','Paul, Ron':'Republican','Santorum, Rick':'Republican','Cain, Herman':'Republican','Gingrich, Newt':'Republican','McCotter, Thaddeus G':'Republican','Huntsman, Jon':'Republican','Perry, Rick':'Republican'}
months = {'JAN':1,'FEB':2,'MAR':3,'APR':4,'MAY':5,'JUN':6,'JUL':7,'AUG':8,'SEP':9,'OCT':10,'NOV':11,'DEC':12}
##对新数据进行总览,查看是否缺失存在数据
df.info()
<class 'pandas.core.frame.DataFrame'> RangeIndex: 536041 entries, 0 to 536040 Data columns (total 16 columns):# Column Non-Null Count Dtype --- ------ -------------- ----- 0 cmte_id 536041 non-null object 1 cand_id 536041 non-null object 2 cand_nm 536041 non-null object 3 contbr_nm 536041 non-null object 4 contbr_city 536026 non-null object 5 contbr_st 536040 non-null object 6 contbr_zip 535973 non-null object 7 contbr_employer 525088 non-null object 8 contbr_occupation 530520 non-null object 9 contb_receipt_amt 536041 non-null float6410 contb_receipt_dt 536041 non-null object 11 receipt_desc 8479 non-null object 12 memo_cd 49718 non-null object 13 memo_text 52740 non-null object 14 form_tp 536041 non-null object 15 file_num 536041 non-null int64 dtypes: float64(1), int64(1), object(14) memory usage: 65.4+ MB
3、用统计学指标快速描述数值型属性的概要
describe()函数
- include:包含哪类数据。默认只包含连续值,不包含离散值;include = ‘all’ 设置全部类型
- percentiles:设置输出的百分位数,默认为[.25,.50,.75],返回第25,50,75百分位数
df.describe()##对数值行数据进行分析
4、空值处理。可能因为忘记填写保密等原因,相关字段出现了空值,将其填充为NOT PROVIDE。
df.fillna()
1.df.fillna()函数的功能:该函数的功能是用指定的值去填充dataframe中的缺失值。
2.df.fillna()函数的基本语法:df.fillna(a,[inplace=False]),其中参数a表示的是常数或字典,若a为常数,则用常数a填充缺失值,若a为字典,则表示第key列的缺失值用key对应的value值填充,如:df.fillna({0:10,1:20}),表示用10去填充第0列的缺失值,用20去填充第1列的缺失值;inplace为可选参数,默认为False,表示不修改原对象,若指定inplace=True,则直接修改原对象。
3.df.fillna()函数的返回值:若指定inplace=True,则函数返回值为None,若未指定,则函数返回填充缺失值后的数据。
df.fillna(value="NOT PROVISED",inplace=True)
df.info()
###用value=NOT PROVISED 来填充空值
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 536041 entries, 0 to 536040
Data columns (total 16 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 cmte_id 536041 non-null object
1 cand_id 536041 non-null object
2 cand_nm 536041 non-null object
3 contbr_nm 536041 non-null object
4 contbr_city 536041 non-null object
5 contbr_st 536041 non-null object
6 contbr_zip 536041 non-null object
7 contbr_employer 536041 non-null object
8 contbr_occupation 536041 non-null object
9 contb_receipt_amt 536041 non-null float64
10 contb_receipt_dt 536041 non-null object
11 receipt_desc 536041 non-null object
12 memo_cd 536041 non-null object
13 memo_text 536041 non-null object
14 form_tp 536041 non-null object
15 file_num 536041 non-null int64
dtypes: float64(1), int64(1), object(14)
memory usage: 65.4+ MB
5、异常值的处理。将捐赠金额<=0的数据删除
df.drop(labels=drop_indexs,axis=0,inplace=True)
只有在df.drop()里面的axis=0表示行,labels=drop_indexes表示删除这一列
#异常值的处理。将捐赠金额<=0的数据删除
df["contb_receipt_amt"]<=0
df.loc[df["contb_receipt_amt"]<=0]
drop_indexs=df.loc[df["contb_receipt_amt"]<=0].index
df.drop(labels=drop_indexs,axis=0,inplace=True)
6、新建一列为各个候选人所在党派的party
map函数作用: 根据提供的函数对指定的序列做映射。通俗地讲就是以参数序列中的每个元素分别调用参数中的函数(func()),把每次调用后返回的结果保存到返回值中
#新建一列为各个候选人所在党派的party
#新建一列为各个候选人所在党派的party
#根据名字去百度查询,各个候选人所在的党派,写成一个字典
"""字典形式为:
partise={
"人名,人名":"所在的党派",
"人名,人名":"所在的党派",
"人名,人名":"所在的党派",
}"""
df['party'] = df['cand_nm'].map(parties)
7、查看party这一列中有哪些不同的元素
df["party"].unique()
array(['Republican', 'Democrat', 'Reform', 'Libertarian'], dtype=object)
8、统计party列中各个元素出现的次数
value_counts()函数
value_counts() 方法返回一个序列 Series,该序列包含每个值的数量。也就是说,对于数据框中的任何列,value-counts () 方法会返回该列每个项的计数。
#统计party列中各个元素出现的次数
df["party"].value_counts()
9、查看各个党派收到的政治献金总数
#查看各个党派收到的政治献金总数contb_receipt_amt
df.groupby(by='party')["contb_receipt_amt"].sum()
10、查看具体每天各个党派收到的政治献金总数
df.group()函数
df.groupby() 函数返回的对象是一系列键值对,其中键是分组的字段值,值是该字段值下的数据表。分组的结果是无法直接输出的,print()只能看到该结果的数据类型。可以用循环对分组后的结果进行遍历。
#查看具体每天各个党派收到的政治献金总数
df.groupby(by=["contb_receipt_dt","party"])["contb_receipt_amt"].sum()
11、将表中的时期格式转变为"yyyy-mm-dd"
##将表中日期格式转换为:"yyyy_mm_dd"
def trandformData(d):day,month,year = d.split('-')month = months[month]#将英文月份转换为中文月份return '20'+year+'-'+str(month)+'-'+day
df['contb_receipt_dt'] = df['contb_receipt_dt'].map(trandformData)
12、查看老兵(捐赠者职业)主要支持谁
#查看老兵(捐赠者职业)DISABLED VETERAN主要支持谁,给谁捐赠的钱越多表示越支持谁
#可以先将源数据中的老兵这个职业对应的行数据取出
df["contbr_occupation"]=="DISABLED VETERAN"
df_old=df.loc[df["contbr_occupation"]=="DISABLED VETERAN"]
#分组:以候选人分组,对捐赠金额求和
df_old.groupby(by='cand_nm')['contb_receipt_amt'].sum()
cand_nm Cain, Herman 300.00 Obama, Barack 4205.00 Paul, Ron 2425.49 Santorum, Rick 250.00 Name: contb_receipt_amt, dtype: float64
复习
df.describe() | 对数据进行统计描述形分析 |
df.fillna(value=“”,inplace=True) | 对缺失值进行填充,填充值是value的值 |
df[].map() | 提供的函数对指定的序列做映射 |
df.groupby(by="")[] | 通过by里面的关键字进行分组 |
df.value_counts() | 统计各个元素出现的次数 |
df[].unique() | 看某一列有几个元素 |
Dataframe基础操作巩固——美国大选献金项目相关推荐
- 2012美国大选献金项目数据分析
文章目录 1.数据载入与预览 1.1 数据加载 1.2 数据合并 1.3 数据预览 1.3.1 查看是否有空值 1.3.2用统计学指标快速描述数值型属性的概要 2.数据的预处理 2.1 数据清洗 2. ...
- 【数据分析】使用pandas和numpy分析美国大选献金项目
1. 数据载入与总览 1.1 数据加载 #绘图工具 import matplotlib.pyplot as plt %matplotlib inline #数据处理工具 import numpy as ...
- 2012美国大选献金项目(最详细解释)
1. 数据载入和总览 import numpy as npimport pandas as pdfrom pandas import Series,DataFrame 1.1 数据载入 df1 = p ...
- 数据分析---2012美国大选献金项目数据分析
需求: 1. 加载数据 df = pd.read_csv('./data/usa_election.txt') 2. 对新数据进行总览,查看是否存在缺失数据: 方法一:isnull.notnull.a ...
- 美国大选献金项目学习笔记
目录 要求 代码: 要求 代码: import numpy as np import pandas as pddf = pd.read_csv('./data/usa_election.txt')# ...
- 3 Python数据分析 美国各州人口分析案例 Pandas高级操作 美国大选献金案例 matplotlib
Python数据分析 1 案例 美国各州人口分析 1.1 数据介绍 数据来源:https://github.com/jakevdp/data-USstates/ 1.1.1 州人口数量表 state- ...
- 项目3:美国大选献金目数据分析
""" 需求: 1.读取数据 2.查看是否有缺失数据 3.用统计学指标快速描述数值型属性的概要 4.空值处理.可能因为忘记填写保密等原因,相关字段出现了空值,将其填充为N ...
- 学习笔记Spark(七)—— Spark SQL应用(2)—— Spark DataFrame基础操作
二.Spark DataFrame基础操作 2.1.DataFrame DataFrame是一种不可变的分布式数据集,这种数据集被组织成指定的列,类似于关系数据库中的表. 数据集的每一列都带有名称和类 ...
- 数据分析项目3-美国大选献金分析
需求 加载数据 查看数据的基本信息 指定数据截取,将如下字段的数据进行提取,其他数据舍弃 cand_nm: 候选人姓名 contbr_nm:捐赠人所在州 ...
- [pandas基础]Pandas Series和Pandas DataFrame基础操作
目录 Series基础 创建Series 通过索引获取数据 指定Series的索引值 根据索引值读取数据 使用key/value对象(类似字典)来创建Seires DataFrame基础 使用列表创建 ...
最新文章
- 新浪php面试题目,新浪php的面试题 收集
- linux磁盘管理相关命令,Linux | 磁盘管理命令
- easyUI 展开DataGrid里面的行显示详细信息
- 旋转卡壳 背诵用模板
- Linux下chkconfig命令介绍
- Java PreparedStatement
- 什么是RUTP协议?RUDP协议在视频会议系统中的应用
- ssh 本地转发 和远程转发 区别
- 【混凝土强度预测】基于matlab BP神经网络混凝土强度预测【含Matlab源码 695期】
- 世界名着100部简介
- Linux下的FTP服务器搭建
- html里表格做斜线表头,word表格斜线_Word2010怎么绘制斜线表头-太平洋IT百科
- 部署Elixir项目
- 广州计算机专业分数线,广东人工智能专业分数线多少
- 干掉Microsoft Virtual WiFi Miniport Adapter
- 梅姨一定想不到 中国人最爱的英国货竟然是一本童书
- Springboot 设置post参数大小: 解决报错The multi-part request contained parameter data (excluding uploaded files
- The Singularity Is Near(奇点临近)阅读笔记----六大纪元
- 凤凰卫视:收受瑞星巨额贿赂官员被捕视频
- JOHNSON计数器,环形计数器,普通计数器
热门文章
- 学习笔记(05):mySQL数据库开发教程-域完整性-默认值约束
- sensitivity和specificity
- 经典运放电路详细分析(模拟电子技术)
- 电脑鼠标右键菜单反应慢怎么办?右键菜单反应慢解决办法
- xss.haozi.me
- 如何在谷歌地图(google maps)中获取经纬度
- keras中的后端backend及其相关函数(K.prod,K.cast)
- F5 LTM ping 数据包丢包解决过程
- localhost和127.0.0.1的区别
- 2022年虾皮开店(shopee入驻)最新教程!