[人工智能]python基础学习3--pyhon模块基础二之pandas和matplotlib

接上篇python模块基础一

（1）下载好pandas后导入pandas模块

import pandas as pd

（2）# 使用pandas的DataFrame的二維表格数据结构，就相当于一个Excel表
具体操作上代码：（注释标的那么明白，朋友，你不能挑我理吧）

a = pd.DataFrame([[1,2],[3,4],[5,6]])
print(a)
'''有行索引和列索引
   0  1
0  1  2
1  3  4
2  5  6
'''
a= pd.DataFrame([[1,2],[3,4],[5,6]],columns=['data','score'],index=['A','B','c'])
print(a)
'''
   data  score
A     1      2
B     3      4
c     5      6
'''

a=pd.DataFrame()#  创建一个空的DataFrame




#  文件的读取与写入
 # pandas读取多种格式的数据文件
data1 = pd.read_excel('./py基础练习2.xlsx',sheet_name=0)# pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.tuna.tsinghua.edu.cn openpyxl
print(data1)

app1=xw.App(visible=True,add_book=False)
workBook1=app1.books.add()
workBook2=app1.books.add()
workSheet1=workBook1.sheets.add('py基础练习4-pandas')
workSheet2 = workBook2.sheets.add('test_page')
workBook1.save(r'F:\python\py基础练习4.xlsx')
workBook1.close()
workBook2.save(r'F:\python\py基础练习4_1.xlsx')
workBook2.close()
app1.quit()

# 文件写入
data2 = pd.DataFrame([['2021/9/9',1],['2021/9/10',1],['2021/9/11',1]],columns=['时间','打卡情况'])
data2.to_excel(r'F:\python\py基础练习4.xlsx')
data3 = pd.DataFrame([['2021/9/9',0],['2021/9/10',0],['2021/9/11',0]],columns=['时间','打卡情况'])
data3.to_excel(r'F:\python\py基础练习4.xlsx',columns=['时间','打卡情况'],index=False)#  去掉索引
print(pd.read_excel('./py基础练习4.xlsx '))




# 数据的选取和处理
data = pd.DataFrame([[1,2,3],[3,4,5],[5,6,7]],columns=['a','b','c'],index=['1','2','3'])
data.to_excel(r'F:\python\py基础练习4_1.xlsx')
# 数据的选取
# 按列选取数据
a = data['a']
b = data[['a','c']]
print(a,'a列数据')
print(b,'a列c列数据')
# 按行选取数据(2~3行的数据，注意序号从0开始，左闭右开)
a = data[1:3]
print(a,'第0、1行数据')
# 按区块选取数据
a=data[['a','c']][0:2]# <===>data[0:2][['a','c']]    选取a和c列的第0行、第一行
print(a,'选取a和c列的第0行、第一行')

# 数据的筛选（多个条件筛选可以用&与、|或连接）
a= data[data['a']>1]
print(a,'a列中数据大于1的行')
c= data[(data['a']>1) & (data['c']>5)]
print(c,'a列大于1，且c列大于5的行')

# 数据的排序
a= data.sort_values(by='c',ascending=False)#  sort_values()按列排序，ascending默认True,表示升序
print(a,'根据c列降序排序')

# 数据的运算（通过数据运算可以基于已有的列生成新的一列）
data['d'] = data['c']+ data['b']
data.to_excel(r'F:\python\py基础练习4_1.xlsx')
print(data,'b列和c列相加生成d列')

# 数据的删除
# 使用drop ()函数可以删除DataFrame中的指定数据（.index用于指定删除的行；.columns指定列）


# 数据表的拼接
df1= pd.DataFrame({'姓名':['林','张','王'],'分数':[888,666,555]})
df2= pd.DataFrame({'姓名':['林','张','李'],'年龄':[21,26,30]})
print(df1,'df1的值')
print(df2,'df2的值')

#merge()根据一个或多个同名列将不同数据表连接起来
df3 = pd.merge(df1,df2)
print(df3,'df1和df2连接一起的数据表')
df4 = pd.merge(df1,df2,how='left')# 保留左表df1，不在意df2，设how='left'
print(df4,'保留左表df1')
df5=pd.merge(df1,df2,left_index=True,right_index=True) # 按照索引进行合并
print(df5,'按照索引进行合并')

# concat()函数：使用全连接拼接，不需要对齐直接进行合并，即不需要有相同的列或索引（只是将数据进行整合）
df6=pd.concat([df1,df2])#===pd.concat([df1,df2],ignore_index=False,axis=0) 纵向拼接
print(df6,'df6纵向拼接')
df7=pd.concat([df1,df2],ignore_index=True)#===pd.concat([df1,df2],ignore_index=True,axis=0) 忽略原有索引后新建纵向拼接索引
print(df7,'拼接后忽略索引然后新建索引')
df8=pd.concat([df1,df2],axis=1)#  横向拼接
print(df8)

# append（）函数(要设置ignore_index=True,否则报错)
df9 = df1.append({'姓名':['郭'],'分数':[888]},ignore_index=True)
print(df9)

（3）数据可视化模块Matplotlib（记得导入前下载呀兄dei，万无一失的下载方法）

import matplotlib.pyplot as plt #  导入模块后将之重命名为plt
#plt.plot()绘制折线图
#plt.bar ()绘制柱形图
#plt.pie()绘制饼图
x = [1,2,3,4,5,6]
y = [2,4,6,8,10,12]
plt.plot(x,y)
plt.show()
plt.bar(x,y)
plt.show()

ps：如果对你有帮助的化，不妨给俺点个赞呗。