原文链接:https://blog.csdn.net/qq_38328378/article/details/80833091
原文作者:Is秦
Pandas -- 简介
Python Data Analysis Library 或 pandas 是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的。
Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。
数据结构
Series:一维数组,与Numpy中的一维array类似。二者与Python基本的数据结构List也很相近,其区别是:List中的元素可以是不同的数据类型,而Array和Series中则只允许存储相同的数据类型,这样可以更有效的使用内存,提高运算效率。
Time- Series:以时间为索引的Series。
DataFrame:二维的表格型数据结构。很多功能与R中的data.frame类似。可以将DataFrame理解为Series的容器。以下的内容主要以DataFrame为主。
Panel :三维的数组,可以理解为DataFrame的容器。
主要功能
- 具备对齐功能的数据结构DataFrame(一维)、Series(二维)、Panel(三维);
- 集成时间序列功能;
- 提供丰富的数学运算和操作;
- 灵活处理缺失数据;
数据帧(DataFrame)
数据帧(DataFrame)是二维数据结构,即数据以行和列的表格方式排列。
数据帧(DataFrame)的功能特点:
- 潜在的列是不同的类型
- 大小可变
- 标记轴(行和列)
- 可以对行和列执行算术运算
pandas.DataFrame
pandas中的DataFrame
可以使用以下构造函数创建 :
pandas.DataFrame( data, index, columns, dtype, copy)
构造函数的参数如下 :
编号 | 参数 | 描述 |
---|---|---|
1 | data | 数据采取各种形式,如:ndarray ,series ,map ,lists ,dict ,constant 和另一个DataFrame |
2 | index | 对于行标签,要用于结果帧的索引是可选缺省值np.arrange(n) ,如果没有传递索引值 |
3 | columns | 对于列标签,可选的默认语法是 - np.arange(n) 。 这只有在没有索引传递的情况下才是这样。 |
4 | dtype | 每列的数据类型。 |
5 | cope | 如果默认值为False ,则此命令(或任何它)用于复制数据。 |
创建DataFrame
Pandas数据帧(DataFrame)可以使用各种输入创建,如 :
- 列表
- 字典
- 系列
- Numpy ndarrays
- 另一个数据帧(DataFrame)
1、创建一个空的数据帧(DataFrame)
创建基本数据帧是空数据帧。
-
#创建空数据帧
-
import pandas
as pd
-
df = pd.DataFrame()
-
print(df)
执行结果
Empty DataFrame Columns: [] Index: []
2、从列表创建数据帧(DataFrame)
可以使用单个列表或列表列表创建数据帧。①使用单个列表创建数据帧
-
import pandas
as pd
-
data = [
1,
2,
3,
4,
5]
-
df = pd.DataFrame(data)
-
print(df)
执行结果
-
0
-
0
1
-
1
2
-
2
3
-
3
4
-
4
5
-
import pandas
as pd
-
data = [[
'Alex',
10],[
'Bob',
12],[
'Clarke',
13]]
-
df = pd.DataFrame(data,columns=[
'Name',
'Age'])
-
print(df)
执行结果
-
Name Age
-
0 Alex
10
-
1 Bob
12
-
2 Clarke
13
3、从ndarray/Lists的字典来创建数据帧(DataFrame)
所有的ndarrays
必须具有相同的长度。如果传递了索引(index
),则索引的长度应等于数组的长度。如果没有传递索引,则默认情况下,索引将为
range(n)
,其中n
为数组长度。 ①分配给每个使用函数range(n)
的默认索引。
-
import pandas
as pd
-
data = {
'Name':[
'Tom',
'Jack',
'Steve',
'Ricky'],
'Age':[
28,
34,
29,
42]}
-
df = pd.DataFrame(data)
-
print(df)
执行结果
-
Age Name
-
0
28 Tom
-
1
34 Jack
-
2
29 Steve
-
3
42 Ricky
②使用数组创建一个索引的数据帧
-
import pandas
as pd
-
data = {
'Name':[
'Tom',
'Jack',
'Steve',
'Ricky'],
'Age':[
28,
34,
29,
42]}
-
df = pd.DataFrame(data, index=[
'rank1',
'rank2',
'rank3',
'rank4'])
-
print(df)
index参数为每行分配一个索引,执行结果
Age Name
rank1 28 Tom
rank2 34 Jack
rank3 29 Steve
rank4 42 Ricky
从列表创建数据帧DataFrame
字典列表可作为输入数据传递以用来创建数据帧(DataFrame),字典键默认为列名。
1、通过传递字典列表来创建数据帧(DataFrame)
-
import pandas
as pd
-
data = [{
'a':
1,
'b':
2},{
'a':
5,
'b':
10,
'c':
20}]
-
df = pd.DataFrame(data)
-
print(df)
执行结果
-
a b c
-
0
1
2 NaN
-
1
5
10
20.0
2、通过传递字典列表和行索引来创建数据帧(DataFrame)
-
import pandas
as pd
-
data = [{
'a':
1,
'b':
2},{
'a':
5,
'b':
10,
'c':
20}]
-
df = pd.DataFrame(data, index=[
'first',
'second'])
-
print(df)
执行结果
-
a b c
-
first
1
2 NaN
-
second
5
10
20.0
3、使用字典,行索引和列索引列表创建数据帧(DataFrame)
-
import pandas
as pd
-
data = [{
'a':
1,
'b':
2},{
'a':
5,
'b':
10,
'c':
20}]
-
-
#对于两个列索引,值与字典键相同
-
df1 = pd.DataFrame(data, index=[
'first',
'second'], columns=[
'a',
'b'])
-
-
#有两个列索引,一个索引有其他名称
-
df2 = pd.DataFrame(data, index=[
'first',
'second'], columns=[
'a',
'b1'])
-
print(df1)
-
print(df2)
执行结果
-
#输出df1
-
a b
-
first
1
2
-
second
5
10
-
-
#输出df2
-
a b1
-
first
1 NaN
-
second
5 NaN
注意:df2 使用字典键以外的列索引创建DataFrame
; 因此,附加了NaN到位置上。 而df1
是使用列索引创建的,与字典键相同,所以也附加了NaN
从系列的字典来创建DataFrame
字典的系列可以传递以形成一个DataFrame。 所得到的索引是通过的所有系列索引的并集。
-
import pandas
as pd
-
-
d = {
'one' : pd.Series([
1,
2,
3], index=[
'a',
'b',
'c']),
-
'two' : pd.Series([
1,
2,
3,
4], index=[
'a',
'b',
'c',
'd'])}
-
-
df = pd.DataFrame(d)
-
print(df)
对于第一个系列,观察到没有传递标签'd'
,但在结果中,对于d
标签,附加了NaN。执行结果
-
one two
-
a
1.0
1
-
b
2.0
2
-
c
3.0
3
-
d NaN
4
1、列选择:通过从数据帧(DataFrame)中选择一列
-
import pandas
as pd
-
-
d = {
'one' : pd.Series([
1,
2,
3], index=[
'a',
'b',
'c']),
-
'two' : pd.Series([
1,
2,
3,
4], index=[
'a',
'b',
'c',
'd'])}
-
-
df = pd.DataFrame(d)
-
print(df [
'one'])
执行结果
-
a
1.0
-
b
2.0
-
c
3.0
-
d NaN
-
Name: one, dtype: float64
2、列添加:通过向现有数据框添加一个新列
-
import pandas
as pd
-
-
d = {
'one' : pd.Series([
1,
2,
3], index=[
'a',
'b',
'c']),
-
'two' : pd.Series([
1,
2,
3,
4], index=[
'a',
'b',
'c',
'd'])}
-
-
df = pd.DataFrame(d)
-
-
# 通过传递新的系列,向具有列标签的现有DataFrame对象添加新的列
-
-
print (
"通过系列添加新列:")
-
df[
'three']=pd.Series([
10,
20,
30],index=[
'a',
'b',
'c'])
-
print(df)
-
-
print (
"使用DataFrame中的现有列添加新列:")
-
df[
'four']=df[
'one']+df[
'three']
-
-
print(df)
执行结果
-
通过系列添加新列:
-
one two three
-
a
1.0
1
10.0
-
b
2.0
2
20.0
-
c
3.0
3
30.0
-
d NaN
4 NaN
-
-
使用DataFrame中的现有列添加新列:
-
one two three four
-
a
1.0
1
10.0
11.0
-
b
2.0
2
20.0
22.0
-
c
3.0
3
30.0
33.0
-
d NaN
4 NaN NaN
3、列删除:列可以删除或弹出
-
# 使用前面的DataFrame,我们将删除一个列
-
# 使用del函数
-
import pandas
as pd
-
-
d = {
'one' : pd.Series([
1,
2,
3], index=[
'a',
'b',
'c']),
-
'two' : pd.Series([
1,
2,
3,
4], index=[
'a',
'b',
'c',
'd']),
-
'three' : pd.Series([
10,
20,
30], index=[
'a',
'b',
'c'])}
-
-
df = pd.DataFrame(d)
-
print (
"Dataframe is:")
-
print(df)
-
-
# 使用del函数
-
print (
"使用del函数删除第一行:")
-
del df[
'one']
-
print(df)
-
-
# 使用pop函数
-
print (
"使用pop函数删除:")
-
df.pop(
'two')
-
print(df)
执行结果
-
Dataframe
is:
-
one three two
-
a
1.0
10.0
1
-
b
2.0
20.0
2
-
c
3.0
30.0
3
-
d NaN NaN
4
-
-
使用
del函数删除第一行:
-
three two
-
a
10.0
1
-
b
20.0
2
-
c
30.0
3
-
d NaN
4
-
-
使用pop函数删除第二行:
-
three
-
a
10.0
-
b
20.0
-
c
30.0
-
d NaN
行选择,添加和删除
1、标签选择
可以通过将行标签传递给loc()
函数来选择行
-
import pandas
as pd
-
-
d = {
'one' : pd.Series([
1,
2,
3], index=[
'a',
'b',
'c']),
-
'two' : pd.Series([
1,
2,
3,
4], index=[
'a',
'b',
'c',
'd'])}
-
-
df = pd.DataFrame(d)
-
print(df.loc[
'b'])
执行结果
-
one
2.0
-
two
2.0
-
Name: b, dtype: float64
2、按整数位置选择
可以通过将整数位置传递给iloc()
函数来选择行。
-
import pandas
as pd
-
-
d = {
'one' : pd.Series([
1,
2,
3], index=[
'a',
'b',
'c']),
-
'two' : pd.Series([
1,
2,
3,
4], index=[
'a',
'b',
'c',
'd'])}
-
-
df = pd.DataFrame(d)
-
print(df.iloc[
2])
执行结果
one 3.0
two 3.0
Name: c, dtype: float64
3、行切片
可以使用:
运算符选择多行。
-
import pandas
as pd
-
-
d = {
'one' : pd.Series([
1,
2,
3], index=[
'a',
'b',
'c']),
-
'two' : pd.Series([
1,
2,
3,
4], index=[
'a',
'b',
'c',
'd'])}
-
-
df = pd.DataFrame(d)
-
print(df[
2:
4])
执行结果
-
one two
-
c
3.0
3
-
d NaN
4
4、添加行
使用append()
函数将新行添加到DataFrame。
-
import pandas
as pd
-
-
df = pd.DataFrame([[
1,
2], [
3,
4]], columns = [
'a',
'b'])
-
df2 = pd.DataFrame([[
5,
6], [
7,
8]], columns = [
'a',
'b'])
-
-
df = df.append(df2)
-
print(df)
执行结果
-
a b
-
0
1
2
-
1
3
4
-
0
5
6
-
1
7
8
5、删除行
使用 drop(标签)函数从DataFrame中删除或删除行。 如果标签重复,则会删除多行。
-
import pandas
as pd
-
-
df = pd.DataFrame([[
1,
2], [
3,
4]], columns = [
'a',
'b'])
-
df2 = pd.DataFrame([[
5,
6], [
7,
8]], columns = [
'a',
'b'])
-
-
df = df.append(df2)
-
-
# 删除标签为0的行
-
df = df.drop(
0)
-
-
print(df)
执行结果
-
a b
-
1
3
4
-
1
7
8
系列(Series)
系列(Series
)是能够保存任何类型的数据(整数,字符串,浮点数,Python对象等)的一维标记数组。
轴标签统称为索引。
Pandas系列可以使用以下构造函数创建 :
pandas.Series( data, index, dtype, copy)
构造函数的参数如下:
编号 | 参数 | 描述 |
---|---|---|
1 | data | 数据采取各种形式,如: ndarray,list,constants |
2 | index | 索引值必须是唯一的和散列的,与数据的长度相同。 默认np.arange(n) ,如果没有索引被传递。 |
3 | dtype | dtype 用于数据类型。如果没有,将推断数据类型 |
4 | copy | 复制数据,默认为false |
可以使用各种输入创建一个系列,如 :
- 数组
- 字典
- 标量值或常数
创建一个空的系列
创建一个基本系列是一个空系列。
-
#创建空系列
-
import pandas
as pd
-
s = pd.Series()
-
print(s)
执行结果
Series([], dtype: float64)
从ndarray创建一个系列
如果数据是ndarray
,则传递的索引必须具有相同的长度。 如果没有传递索引值,那么默认的索引将是范围(n
),其中n
是数组长度,即[0,1,2,3…. range(len(array))-1] - 1]
。
-
#从ndarray创建系列
-
import pandas
as pd
-
import numpy
as np
-
data = np.array([
'a',
'b',
'c',
'd'])
-
s = pd.Series(data)
-
print(s)
执行结果
-
0 a
-
1 b
-
2 c
-
3 d
-
dtype: object
这里没有传递任何索引,因此默认情况下,它分配了从0
到len(data)-1
的索引,即:0
到3
。
-
import pandas
as pd
-
import numpy
as np
-
data = np.array([
'a',
'b',
'c',
'd'])
-
s = pd.Series(data,index=[
100,
101,
102,
103])
-
print(s)
在这里传递了索引值。现在可以在输出中看到自定义的索引值。
输出结果
-
100 a
-
101 b
-
102 c
-
103 d
-
dtype: object
从字典创建一个系列
1、字典(dict
)可以作为输入传递,如果没有指定索引,则按排序顺序取得字典键以构造索引。 如果传递了索引,索引中与标签对应的数据中的值将被拉出。
-
#从字典创建一个系列
-
import pandas
as pd
-
import numpy
as np
-
data = {
'a' :
0.,
'b' :
1.,
'c' :
2.}
-
s = pd.Series(data)
-
print(s)
执行结果
-
a
0.0
-
b
1.0
-
c
2.0
-
dtype: float64
2、索引顺序保持不变,缺少的元素使用NaN(不是数字)填充。
-
import pandas
as pd
-
import numpy
as np
-
data = {
'a' :
0.,
'b' :
1.,
'c' :
2.}
-
s = pd.Series(data,index=[
'b',
'c',
'd',
'a'])
-
print(s)
执行结果
-
b
1.0
-
c
2.0
-
d NaN
-
a
0.0
-
dtype: float64
从标量创建一个系列
如果数据是标量值,则必须提供索引。将重复该值以匹配索引的长度。
-
#从标量创建一个系列
-
import pandas
as pd
-
import numpy
as np
-
s = pd.Series(
5, index=[
0,
1,
2,
3])
-
print(s)
执行结果
-
0
5
-
1
5
-
2
5
-
3
5
-
dtype: int64
从具有位置的系列中访问数据
系列中的数据可以使用类似于访问ndarray
中的数据来访问。
1、检索第一个元素
比如已经知道数组从零开始计数,第一个元素存储在零位置等等。
-
import pandas
as pd
-
s = pd.Series([
1,
2,
3,
4,
5],index = [
'a',
'b',
'c',
'd',
'e'])
-
-
#检索第一个元素
-
print(s[
0])
执行结果
1
2、检索系列中的前三个元素
如果a:
被插入到其前面,则将从该索引向前的所有项目被提取。 如果使用两个参数(使用它们之间),两个索引之间的项目(不包括停止索引)。
-
import pandas
as pd
-
s = pd.Series([
1,
2,
3,
4,
5],index = [
'a',
'b',
'c',
'd',
'e'])
-
-
#检索系列中前三个元素
-
print(s[:
3])
执行结果
-
a
1
-
b
2
-
c
3
-
dtype: int64
3、检索最后三个元素
-
import pandas
as pd
-
s = pd.Series([
1,
2,
3,
4,
5],index = [
'a',
'b',
'c',
'd',
'e'])
-
-
#检索系列中最后三个元素
-
print(s[
-3:])
执行结果
c 3
d 4
e 5
dtype: int64
使用标签检索数据(索引)
一个系列就像一个固定大小的字典,可以通过索引标签获取和设置值。
1、使用索引标签值检索单个元素。
-
import pandas
as pd
-
s = pd.Series([
1,
2,
3,
4,
5],index = [
'a',
'b',
'c',
'd',
'e'])
-
-
#检索单个元素
-
print(s[
'a'])
执行结果
1
2、使用索引标签值列表检索多个元素。
-
import pandas
as pd
-
s = pd.Series([
1,
2,
3,
4,
5],index = [
'a',
'b',
'c',
'd',
'e'])
-
-
#检索多个元素
-
print(s[[
'a',
'c',
'd']])
执行结果
-
a
1
-
c
3
-
d
4
-
dtype: int64
3、如果不包含标签,则会出现异常。
-
import pandas
as pd
-
s = pd.Series([
1,
2,
3,
4,
5],index = [
'a',
'b',
'c',
'd',
'e'])
-
-
#检索多个元素
-
print(s[
'f'])
执行结果
-
…
-
KeyError:
'f'
Pandas -- 用法
一、生成数据表
1、首先导入pandas库,一般都会用到numpy库,所以我们先导入备用
-
import numpy
as np
-
import pandas
as pd
2、导入CSV或者xlsx文件
-
df = pd.DataFrame(pd.read_csv(
'name.csv',header=
1))
-
df = pd.DataFrame(pd.read_excel(
'name.xlsx'))
3、用pandas创建数据表
-
df = pd.DataFrame({
"id":[
1001,
1002,
1003,
1004,
1005,
1006],
-
"date":pd.date_range(
'20180102', periods=
6),
-
"city":[
'Beijing ',
'SH',
' guangzhou ',
'Shenzhen',
'shanghai',
'BEIJING '],
-
"age":[
23,
44,
54,
32,
34,
32],
-
"category":[
'100-A',
'100-B',
'110-A',
'110-C',
'210-A',
'130-F'],
-
"price":[
1200,np.nan,
2133,
5433,np.nan,
4432]},
-
columns =[
'id',
'date',
'city',
'category',
'age',
'price'])
二、数据表信息查看
1、维度查看
df.shape
2、数据表基本信息(维度、列名称、数据格式、所占空间等)
df.info()
3、每一列数据的格式
df.dtypes
4、某一列格式
df['B'].dtype
5、判断空值
df.isnull()
6、查看某一列的唯一值
df['B'].unique()
7、查看数据表的值
df.values
8、查看列名称
df.columns
9、查看前10行数据、后10行数据
-
df.head()
#默认前10行数据
-
df.tail()
#默认后10 行数据
三、数据表清洗
1、用数字0填充空值
df.fillna(value=0)
2、使用列prince的均值对NA进行填充
df['prince'].fillna(df['prince'].mean())
3、清楚city字段的字符空格
df['city'] = df['city'].map(str.strip)
4、大小写转换
df['city']=df['city'].str.lower()
5、更改数据格式
df['price'].astype('int')
6、更改列名称
df.rename(columns={'category': 'category-size'})
7、删除后出现的重复值
df['city'].drop_duplicates()
8、删除先出现的重复值
df['city'].drop_duplicates(keep='last')
9、数据替换
df['city'].replace('sh', 'shanghai')
四、数据预处理
-
df1=pd.DataFrame({
"id":[
1001,
1002,
1003,
1004,
1005,
1006,
1007,
1008],
-
"gender":[
'male',
'female',
'male',
'female',
'male',
'female',
'male',
'female'],
-
"pay":[
'Y',
'N',
'Y',
'Y',
'N',
'Y',
'N',
'Y',],
-
"m-point":[
10,
12,
20,
40,
40,
40,
30,
20]})
1、数据表合并
-
df_inner=pd.merge(df,df1,how=
'inner')
# 匹配合并,交集
-
df_left=pd.merge(df,df1,how=
'left')
#
-
df_right=pd.merge(df,df1,how=
'right')
-
df_outer=pd.merge(df,df1,how=
'outer')
#并集
2、设置索引列
df_inner.set_index('id')
3、按照特定列的值排序
df_inner.sort_values(by=['age'])
4、按照索引列排序
df_inner.sort_index()
5、如果prince列的值>3000,group列显示high,否则显示low
df_inner['group'] = np.where(df_inner['price'] > 3000,'high','low')
6、对复合多个条件的数据进行分组标记
df_inner.loc[(df_inner['city'] == 'beijing') & (df_inner['price'] >= 4000), 'sign']=1
7、对category字段的值依次进行分列,并创建数据表,索引值为df_inner的索引列,列名称为category和size
pd.DataFrame((x.split('-') for x in df_inner['category']),index=df_inner.index,columns=['category','size']))
8、将完成分裂后的数据表和原df_inner数据表进行匹配
df_inner=pd.merge(df_inner,split,right_index=True, left_index=True)
五、数据提取
主要用到的三个函数:loc,iloc和ix,loc函数按标签值进行提取,iloc按位置进行提取,ix可以同时按标签和位置进行提取。
1、按索引提取单行的数值
df_inner.loc[3]
2、按索引提取区域行数值
df_inner.iloc[0:5]
3、重设索引
df_inner.reset_index()
4、设置日期为索引
df_inner=df_inner.set_index('date')
5、提取4日之前的所有数据
df_inner[:'2018-01-04']
6、使用iloc按位置区域提取数据
df_inner.iloc[:3,:2] #冒号前后的数字不再是索引的标签名称,而是数据所在的位置,从0开始,前三行,前两列。
7、适应iloc按位置单独提起数据
df_inner.iloc[[0,2,5],[4,5]] #提取第0、2、5行,4、5列
8、使用ix按索引标签和位置混合提取数据
df_inner.ix[:'2018-01-03',:4] #2018-01-03号之前,前四列数据
9、判断city列的值是否为北京
df_inner['city'].isin(['beijing'])
10、判断city列里是否包含beijing和shanghai,然后将符合条件的数据提取出来
df_inner.loc[df_inner['city'].isin(['beijing','shanghai'])]
11、提取前三个字符,并生成数据表
pd.DataFrame(category.str[:3])
六、数据筛选
使用与、或、非三个条件配合大于、小于、等于对数据进行筛选,并进行计数和求和。
1、使用“与”进行筛选
df_inner.loc[(df_inner['age'] > 25) & (df_inner['city'] == 'beijing'), ['id','city','age','category','gender']]
2、使用“或”进行筛选
df_inner.loc[(df_inner['age'] > 25) | (df_inner['city'] == 'beijing'), ['id','city','age','category','gender']].sort(['age'])
3、使用“非”条件进行筛选
-
df_inner.loc[(df_inner[
'age'] >
25) | (df_inner[
'city'] ==
'beijing'), [
'id',
'city',
'age',
'category',
'gender']].sort([
'age'])
-
4、对筛选后的数据按city列进行计数
df_inner.loc[(df_inner['city'] != 'beijing'), ['id','city','age','category','gender']].sort(['id']).city.count()
5、使用query函数进行筛选
df_inner.query('city == ["beijing", "shanghai"]')
6、对筛选后的结果按prince进行求和
df_inner.query('city == ["beijing", "shanghai"]').price.sum()
七、数据汇总
主要函数是groupby和pivote_table
1、对所有的列进行计数汇总
df_inner.groupby('city').count()
2、按城市对id字段进行计数
df_inner.groupby('city')['id'].count()
3、对两个字段进行汇总计数
df_inner.groupby(['city','size'])['id'].count()
4、对city字段进行汇总,并分别计算prince的合计和均值
df_inner.groupby('city')['price'].agg([len,np.sum, np.mean])
八、数据统计
数据采样,计算标准差,协方差和相关系数
1、简单的数据采样
df_inner.sample(n=3)
2、手动设置采样权重
-
weights = [
0,
0,
0,
0,
0.5,
0.5]
-
df_inner.sample(n=
2, weights=weights)
3、采样后不放回
df_inner.sample(n=6, replace=False)
4、采样后放回
df_inner.sample(n=6, replace=True)
5、数据表描述性统计
df_inner.describe().round(2).T #round函数设置显示小数位,T表示转置
6、计算列的标准差
df_inner['price'].std()
7、计算两个字段间的协方差
df_inner['price'].cov(df_inner['m-point'])
8、数据表中所有字段间的协方差
df_inner.cov()
9、两个字段的相关性分析
df_inner['price'].corr(df_inner['m-point']) #相关系数在-1到1之间,接近1为正相关,接近-1为负相关,0为不相关
10、数据表的相关性分析
df_inner.corr()
九、数据输出
分析后的数据可以输出为xlsx格式和csv格式
1、写入Excel
df_inner.to_excel('excel_to_python.xlsx', sheet_name='bluewhale_cc')
2、写入到CSV
df_inner.to_csv('excel_to_python.csv')