python_day11_practice

**Python实践日志 - 第11天**

###1. 概述今天我们将学习如何使用Python进行数据分析。我们将使用Pandas库来处理和操作数据。

###2. Pandas库介绍Pandas是Python中最流行的数据分析库之一。它提供了高效、易用的数据结构和操作方法，适合大规模数据的处理和分析。

####2.1 Series类Series类是Pandas中的基本数据结构，它类似于一个一维数组或列表，但比列表更强大，因为它支持更多的功能，如索引、值类型等。

import pandas as pd# 创建一个Series对象s = pd.Series([1,2,3,4,5], index=['a', 'b', 'c', 'd', 'e'])

print(s)

输出：

a1b2c3d4e5dtype: int64

####2.2 DataFrame类DataFrame类是Pandas中的二维数据结构，它类似于一个表格或矩阵，但比表格更强大，因为它支持更多的功能，如索引、值类型等。

import pandas as pd# 创建一个DataFrame对象data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25,30,35], 'Score': [90,80,70]}
df = pd.DataFrame(data)

print(df)

输出：

 Name Age Score0 Alice25901 Bob30802 Charlie3570

###3. 数据操作####3.1 行列索引Pandas提供了行列索引的功能，使得我们可以轻松地访问和操作数据。

import pandas as pd# 创建一个DataFrame对象data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25,30,35], 'Score': [90,80,70]}
df = pd.DataFrame(data)

print(df.loc[0]) # 访问第一行数据print(df.iloc[1]) # 访问第二行数据print(df['Name']) # 访问'Name'列数据

输出：

Name AliceAge25Score90dtype: objectName BobAge30Score80dtype: object0 Alice1 Bob2 CharlieName: Name, dtype: object

####3.2 数据筛选Pandas提供了多种数据筛选的方法，使得我们可以轻松地过滤出满足特定条件的数据。

import pandas as pd# 创建一个DataFrame对象data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25,30,35], 'Score': [90,80,70]}
df = pd.DataFrame(data)

print(df[df['Age'] >30]) # 筛选年龄大于30的数据

输出：

 Name Age Score1 Bob30802 Charlie3570

####3.3 数据排序Pandas提供了多种数据排序的方法，使得我们可以轻松地按特定条件对数据进行排序。

import pandas as pd# 创建一个DataFrame对象data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25,30,35], 'Score': [90,80,70]}
df = pd.DataFrame(data)

print(df.sort_values(by='Age')) # 按年龄排序

输出：

 Name Age Score0 Alice25901 Bob30802 Charlie3570

###4. 总结今天我们学习了如何使用Pandas库进行数据分析。我们了解了Series类和DataFrame类的基本概念，学会了如何使用行列索引、数据筛选和排序等功能来操作数据。

###5. 练习题目1. 创建一个Series对象，包含以下数据：['A', 'B', 'C', 'D', 'E']。
2. 创建一个DataFrame对象，包含以下数据：
* 名称：['Alice', 'Bob', 'Charlie']
* 年龄：[25,30,35]
* 分数：[90,80,70]
3. 使用行列索引访问第一行和第二行的数据。
4. 使用筛选功能过滤出年龄大于30的数据。
5. 使用排序功能按年龄对数据进行排序。

###6. 参考答案1.

import pandas as pds = pd.Series(['A', 'B', 'C', 'D', 'E'])
print(s)

输出：

0 A1 B2 C3 D4 Edtype: object

2.

import pandas as pddata = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25,30,35], 'Score': [90,80,70]}
df = pd.DataFrame(data)
print(df)

输出：

 Name Age Score0 Alice25901 Bob30802 Charlie3570

3.

import pandas as pddata = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25,30,35], 'Score': [90,80,70]}
df = pd.DataFrame(data)

print(df.loc[0]) # 访问第一行数据print(df.iloc[1]) # 访问第二行数据

输出：

Name AliceAge25Score90dtype: objectName BobAge30Score80dtype: object

4.

import pandas as pddata = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25,30,35], 'Score': [90,80,70]}
df = pd.DataFrame(data)

print(df[df['Age'] >30]) # 筛选年龄大于30的数据

输出：

 Name Age Score1 Bob30802 Charlie3570

5.

import pandas as pddata = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25,30,35], 'Score': [90,80,70]}
df = pd.DataFrame(data)

print(df.sort_values(by='Age')) # 按年龄排序

输出：

 Name Age Score0 Alice25901 Bob30802 Charlie3570