阿里天池数据分析入门利用Pandas分析数据

pd.read_csv用法

ccl = pd.read_csv("1_usa_candidate/ccl.txt", sep = '|',names=['CAND_ID','CAND_ELECTION_YR','FEC_ELECTION_YR','CMTE_ID','CMTE_TP','CMTE_DSGN','LINKAGE_ID'])

sep = '|'

sep

读取csv文件时指定的分隔符，默认为逗号。注意："csv文件的分隔符" 和 "我们读取csv文件时指定的分隔符" 一定要一致。本题中提供的数据分隔符是'|'所以按代码设置，names 将每列的名字加上。

names

当names没被赋值时，header会变成0，即选取数据文件的第一行作为列名。（从0开始计数）
当 names 被赋值，header 没被赋值时，那么header会变成None。如果都赋值，就会实现两个参数的组合功能

pd.merge()函数介绍

ccl =pd.merge(candidates,ccl)

能够看出这两个表中的员工是同一批人，而且两个表中也只有"CAND_ID"一列重复列，一般这种情况直接用pd.merge()拼接不用指定主键，直接把一个表的名字传递给参数left，另一个表的名字传递给参数right就可以了。合并之后CAND_ID这列只有一列，其他列是两个表合并在一起的列。

扩展知识看这个：merge函数详解

DataFrame

DataFrame是Python中Pandas库中的一种数据结构，它类似excel，是一种二维表。

直观理解:DataFrame 是带标签的二维数组

pd.DataFrame(data=None, index=None, columns=None)

ccl =pd.DataFrame(ccl, columns=[ 'CMTE_ID','CAND_ID', 'CAND_NAME','CAND_PTY_AFFILIATION'])

这里从ccl数据表中选中其中的四列，index使用默认的。

fillna()函数

#空值处理，统一填充 NOT PROVIDED
c_itcont['STATE'].fillna('NOT PROVIDED',inplace=True)#fillna函数 填充空值
c_itcont['EMPLOYER'].fillna('NOT PROVIDED',inplace=True)
c_itcont['OCCUPATION'].fillna('NOT PROVIDED',inplace=True)

inplace参数的取值：True、False

True：直接修改原对象

False：创建一个副本，修改副本，原对象不变（缺省默认）

Groupby函数

c_itcont.groupby("CAND_PTY_AFFILIATION").sum().sort_values("TRANSACTION_AMT",ascending=False).head(10)

kind = bar

当使用.plot（）绘制Pandas DataFrame时，

默认的.plot()用直线连接所有数据点并生成线图。

另一方面，.plot(kind='bar')将每个数据点绘制为离散条形。为了在x轴上获得正确的格式，必须在绘图后修改刻度标签。

# 各州捐款总人数可视化，取前10个州的数据
st_amt = c_itcont.groupby('STATE').size().sort_values(ascending=False).head(10)
st_amt.plot(kind='bar')

kind =bar 是图的类型，line参数表示折线图

参数   说明
label   用于图例的标签
ax   要在其上进行绘制的matplotlib subplot对象。如果没有设置，则使用当前matplotlib subplot
style   将要传给matplotlib的风格字符串(for example: ‘ko–’)
alpha   图表的填充不透明(0-1)
kind   可以是’line’, ‘bar’, ‘barh’, ‘kde’
logy   在Y轴上使用对数标尺
use_index   将对象的索引用作刻度标签
rot   旋转刻度标签(0-360)
xticks   用作X轴刻度的值
yticks   用作Y轴刻度的值
xlim   X轴的界限
ylim   Y轴的界限
grid   显示轴网格线