第四章web

4.1 读写不一样数据源的数据

4.1.1 读/写数据库数据sql

1.数据库数据读取：数据库

注意：数据库的用户名(通常都是root)和密码(本身设置的)都是要用本身的，地址默认的127.0.0.1app

读取函数(你本身把文件存在哪了？)和存储函数(你要把问价存在哪？)的路径，必定要区别开svg

先明确读取表与查询表的区别：

①查询的数据集合时临时存在的;

②不一样查询的条件产生不一样的数据集合，是对原数据的从新整合;

③当关闭查询后，查询记录随之清空，保存下来的只有查询方式，再次打开查询从新调入数据。函数

查询操做仿佛新建了一个数据表(其实没有)来储存符合查询命令的数据集，它使原数据发生了临时性的改变，对原数据进行了整合操做；而读取就是读原数据的全部信息，没有对原数据进行整合操做。excel

read_sql_table：只能读取数据库中的某一个表格，不能实现查询的操做，第一个参数是具体的表格名称；

read_sql_query：只能实现查询操做，不能直接读取，第一个参数是sql语句(查询数据库或者某个表格)；

read_sql：是上面二者的集合，既能读取也能查询，第一个参数是表名或者sql语句。xml

2.数据库数据存储：to_sql

4.1.2 读/写文本文件

1.文本文件读取

read_table读取文本文件，read_csv读取CSV文件

2.文本文件存储：to_csv

4.1.3 读/写Excel文件

1.Excel文件读取：read_excel

2.Excel文件存储：to_excel

4.1.4任务实现

1.读取订单详情数据库数据

2.读取订单信息CSV数据

3.读取客户Excel数据索引

4.2 掌握DataFrame的经常使用操做

4.2.1查看DataFrame的经常使用属性

values元素，index索引，columns列名，dtypes类型，

size元素个数，ndim维度数，shape数据形状(行列数目)，转置T

4.2.2改查增删DataFrame数据

1.查看访问DataFrame中的数据

(1)DataFrame数据的基本查看方式：字典，属性 (不建议使用)

(2)DataFrame的loc，iloc访问方式

(3)切片方法之ix

2.更改DataFrame中的数据：提取出来从新赋值(没法撤销)

3.为DataFrame增添数据：新建索引并赋值

4.删除某列或某行数据：drop

4.2.3描述分析DataFrame数据 describe方法

1.数值型特征的描述性统计

Numpy中的描述性统计函数：P101下

最大，最小，均值，极差，中位数，标准差，方差，协方差

2.类别型特征的描述性统计

pandas描述性统计方法：P103上

astype方法：将目标特征的数据类型转换为category类型

4.2.4任务实现

1.查看餐饮数据的大小和维度

2.统计餐饮菜品销售情况

3.剔除全为空值或者全部元素取值相同的列字符串

4.3 转换与处理时间序列数据

4.3.1转换字符串时间为标准时间：

to_datetime函数，DatetimeIndex函数，PeriodIndex函数

4.3.2提取时间序列数据信息

使用Timestamp类属性：P109

4.3.3加减时间数据：Timedelta函数

4.3.4任务实现

1.时间字符串转换为标准时间格式

2.提取菜品数据中的年月日和星期信息

3.查看订单信息表时间统计信息

4.4 使用分组聚合进行组内计算

4.4.1使用groupby方法拆分数据

4.4.2 使用agg、aggregate方法聚合数据

4.4.3使用apply方法聚合数据

4.4.4使用transfrom方法聚合数据

4.4.5任务实现

1.按照时间对菜品订单详情表进行拆分

2.使用agg方法计算单日菜品销售的平均单价和售价中位数

3.使用apply方法统计单日菜品销售数目

4.5 建立透视表与交叉表

4.5.1使用pivot_table函数建立透视表

4.5.2使用crosstab函数建立交叉表

4.5.3任务实现

1.建立单日菜品成交总额与总数均价透视表

2.建立单个菜品单日成交总额透视表