pandas进行数据分析

最近参加了一次APMCM，题目给出了很多表格，我们需要对数据进行分析。显然，作为一名会python的大学生，肯定不会直接在表格上进行各种变动，本文就如何使用pandas对excel表格进行数据分析做一些介绍。

1.分析目标

excel表格给出了各个月份各种职业的特征，但我们需要研究某一种职业随时间变化的规律，所以需要对所有表的某一种职业整理到一张表中。这正是我们的出发点。

2.项目结构

3. 核心代码讲解

3.1 读取所有表中的职业

# 读取所有表中的职业（pros.xlsx中有所有职业）
pros_path = 'professions/pros.xlsx'
df = pd.read_excel(pros_path, header=None)
# 获取第一列病转化为列表
pros_list = df[0].values.tolist()
print(pros_list)

3.2 数据处理

   for file in filenames:
        # all excel
        data = pd.read_excel(root_path + os.sep + dir + os.sep + file, header=None)

        # 从第四行开始为有效数据
        data = data[3:][1:]

        # 由于后续要根据职业名称查找，所以此处需要将第一列作为索引
        data.set_index(1)
        csv_columns = [dir + os.sep + file.strip().split('.')[0]]

在一张表中不可能所有的信息都是我们所关注的，所以我们需要进行筛选，其中data = data[3:][1:]表明我们选取第四行、第一列之后的所有数据。注意：此操作之后索引并没有改变。
经过处理之后，看看生成的各类职业文件：

3.3 数据可视化

上一步提取出我们需要的文件后，接下来当然需要将数据进行可视化。我们统计两个指标：
1）第二列随时间变化曲线
2）第三列至第十列之和随时间变化曲线

项目源码：https://github.com/dhuQChen/MathematicalModeling