五个Pandas 实战案例带你分析操作数据

五个Pandas 实战案例带你分析操作数据的完整攻略

Pandas 是 Python 数据分析中重要的第三方库之一，它提供了高效灵活的数据操作和分析工具，被广泛用于数据清洗、数据可视化等领域，特别适用于结构化和标签型数据。

本篇攻略将介绍五个Pandas实战案例来带你分析操作数据。这些案例将涉及到 Pandas 常用的数据处理、分析和可视化方法，能够帮助你快速了解 Pandas 的核心特性和使用方法。

案例1：统计电影数据分析

该案例主要使用电影数据进行统计分析。首先，我们需要导入 Pandas 库和电影数据：

import pandas as pd
movies = pd.read_csv('movies.csv')

接着，我们可以使用 Pandas 提供的方法来了解电影数据集信息，例如观察数据的前几行、数据集大小、数据类型等：

print(movies.head())
print(movies.shape)
print(movies.info())

在了解数据的基础上，我们接着可以进行一些数据处理和可视化，例如：

（1）统计电影类型数量排名前 20，生成水平柱状图

from collections import Counter

genre_counts = Counter(','.join(movies['genres']).split(','))
genre_counts_df = pd.DataFrame.from_dict(genre_counts, orient='index', columns=['count'])
top20_genre_counts = genre_counts_df.sort_values('count', ascending=False).head(20)

ax = top20_genre_counts.plot(kind='barh', figsize=(10, 6))
ax.set_title('Top 20 Movie Genres by Count')
ax.set_xlabel('Count')
ax.set_ylabel('Genre')
plt.tight_layout()
plt.show()

（2）计算电影平均评分排名前 20，生成水平柱状图

ratings = pd.read_csv('ratings.csv')
movie_ratings = pd.merge(movies, ratings, on='movieId')
mean_ratings = movie_ratings.groupby('title')['rating'].mean()
top20_mean_ratings = mean_ratings.sort_values(ascending=False).head(20)

ax = top20_mean_ratings.plot(kind='barh', figsize=(10, 6))
ax.set_title('Top 20 Movies by Mean Rating')
ax.set_xlabel('Mean Rating')
ax.set_ylabel('Title')
plt.tight_layout()
plt.show()

案例2：数据清洗分析

该案例主要使用学生数据进行数据清洗及分析，例如填补缺失数据、删除重复数据、数据排序等操作。

首先，我们需要导入 Pandas 库和学生数据：

import pandas as pd
students = pd.read_csv('students.csv')

接着，我们可以使用 Pandas 提供的方法进行数据清洗，例如：

（1）填补缺失数据

students['age'].fillna(students['age'].mean(), inplace=True)
students['height'].fillna(students['height'].median(), inplace=True)

（2）删除重复数据

students.drop_duplicates(inplace=True)

（3）数据排序

students.sort_values(['grade', 'age'], ascending=[False, True], inplace=True)

在数据清洗后，我们可以进行数据分析，例如统计学生的平均身高、平均年龄、及格率等：

mean_height = students['height'].mean()
mean_age = students['age'].mean()
pass_rate = students[students['score'] >= 60]['score'].count() / students.shape[0]

print('Mean height: {:.2f}cm'.format(mean_height))
print('Mean age: {:.2f} years'.format(mean_age))
print('Pass rate: {:.2f}%'.format(pass_rate * 100))

案例3：房产市场分析

该案例主要使用房屋销售数据进行市场分析，例如统计某个城市每月成交量、平均价格、最高价格、最低价格等信息。

首先，我们需要导入 Pandas 库和房屋销售数据：

import pandas as pd
house_sales = pd.read_csv('house_sales.csv')

接着，我们可以使用 Pandas 提供的方法进行数据预处理，例如：

（1）转换销售时间格式

house_sales['date'] = pd.to_datetime(house_sales['date'])
house_sales['month'] = house_sales['date'].dt.to_period('M')

（2）提取城市名称

house_sales['city'] = house_sales['location'].apply(lambda x: x.split(',')[0])

在预处理后，我们可以进行数据分析，例如统计某个城市每月成交量、平均价格、最高价格、最低价格等信息：

city_sales_grouped = house_sales.groupby(['city', 'month'])
city_sales_summary = city_sales_grouped['price'].agg(['count', 'mean', 'max', 'min'])
city_sales_summary.reset_index(inplace=True)
sh_sales_summary = city_sales_summary[city_sales_summary['city'] == 'Shanghai']

ax = sh_sales_summary.plot(x='month', y='count', figsize=(10, 6))
ax.set_title('Monthly House Sales Volume in Shanghai')
ax.set_xlabel('Month')
ax.set_ylabel('Sales Volume')
plt.show()

ax = sh_sales_summary.plot(x='month', y='mean', figsize=(10, 6))
ax.set_title('Monthly House Sales Price in Shanghai')
ax.set_xlabel('Month')
ax.set_ylabel('Sales Price')
plt.show()

案例4：股票市场分析

该案例主要使用股票数据进行市场分析，例如分析某个股票的涨跌幅、均价等信息。

首先，我们需要导入 Pandas 库和股票数据：

import pandas as pd
stocks = pd.read_csv('stocks.csv')

接着，我们可以使用 Pandas 提供的方法进行数据预处理，例如：

（1）转换股票时间格式

stocks['date'] = pd.to_datetime(stocks['date'])

（2）将日期设置为索引

stocks.set_index('date', inplace=True)

在预处理后，我们可以进行数据分析，例如分析某个股票的涨跌幅、均价等信息：

tsla_stocks = stocks[stocks['symbol'] == 'TSLA']
tsla_stocks['day_change'] = tsla_stocks['close'] - tsla_stocks['open']
tsla_stocks['day_change_pct'] = tsla_stocks['day_change'] / tsla_stocks['open']
tsla_stocks['ma20'] = tsla_stocks['close'].rolling(window=20).mean()

ax = tsla_stocks.plot(y='day_change_pct', figsize=(10, 6))
ax.set_title('Daily Change Percentage of TSLA')
ax.set_xlabel('Date')
ax.set_ylabel('Percentage')
plt.show()

ax = tsla_stocks.plot(y='ma20', figsize=(10, 6))
ax.set_title('20-Day Moving Average of TSLA')
ax.set_xlabel('Date')
ax.set_ylabel('Price')
plt.show()

案例5：游戏销售分析

该案例主要使用游戏销售数据进行分析，例如统计各个游戏类别的销售量、销售额等信息。

首先，我们需要导入 Pandas 库和游戏销售数据：

import pandas as pd
game_sales = pd.read_csv('game_sales.csv')

接着，我们可以使用 Pandas 提供的方法进行数据预处理，例如：

（1）将数据按游戏平台分组

platform_sales = game_sales.groupby('platform')

（2）构建新的数据表格，并计算销售量和销售额

platform_sales_summary = pd.DataFrame()
platform_sales_summary['sales'] = platform_sales['global_sales'].sum()
platform_sales_summary['amount'] = platform_sales['global_sales'].count()

在预处理后，我们可以进行数据分析，例如统计各个游戏类别的销售量、销售额等信息：

ax = platform_sales_summary.sort_values('sales', ascending=False).plot(kind='bar', y='sales', figsize=(10, 6))
ax.set_title('Global Game Sales on Different Platforms')
ax.set_xlabel('Platform')
ax.set_ylabel('Sales')
plt.show()

ax = platform_sales_summary.sort_values('amount', ascending=False).plot(kind='bar', y='amount', figsize=(10, 6))
ax.set_title('Global Game Amount on Different Platforms')
ax.set_xlabel('Platform')
ax.set_ylabel('Amount')
plt.show()

以上就是五个Pandas实战案例带你分析操作数据的完整攻略，希望能对你的学习和实践有所帮助。