4.2.2 编程处理数据 ppt课件-2023新浙教版（2019）《高中信息技术》必修第一册.pptx

1、4.2.2编程处理数据第 四 章第四章目录相 关 模 块Pandas模块Matplotlib模块实践Python常用数据处理拓展模块Numpy模块：是科学运算的基础库，主要提供科学计算中常用的随机数、数组运算等基础模块Scipy模块：基于numpy构建的一个模块，增强了在高等数学、信号处理、图像处理、统计等方面的能力Pandas模块：基于numpy实现，主要用于数据的处理与分析，提供了大量处理数据的函数和方法，能方便操作大型数据集Pandas模块提供了Series和DataFrame两种数据结构。使用这两种数据结构，可以完成数据的整理、计算、统计、分析以及简单可视化。l import 模块名

2、调用：模块名.函数名（）l from 模块名 import 函数名 调用：函数名（）l import 模块名as 别名 调用：别名.函数名（）l from 模块名 import 函数名as 别名 调用：别名（）Pandas模块DataFrame（数据框）数据结构数据结构维度维度组成部分组成部分属性属性Series一维由一个数组的数据（values）和一个与数据关联的索引（index）index、values自主阅读书本P120，完成表格填空Pandas模块Series序列Series是一种一维的数据结构，由一个数组的数据（values）和一个与数据关联的索引（index）,索引值默认是从0起递

3、增的整数。列表，字典等都可以用来创建Series数据结构，与列表不同的是，Series的索引可以指定，类型可以是字符串类型。课堂练习下列关于pandas模块的说法不正确的是（）A.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B.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C.Pandas提供的Series是一种一维数组的对象，他由包含一个数组的数据组成的D.Pandas模块导入的方法是import pandas as pdC CPandas模块Series序列from pandas import Series#导入pandas库中Series模

4、块pds1=Series(45,30,35,28)pds10 451 302 353 28左列：左列：indexindex右列：右列：valuesvalues 以列表为数据对象创建1.创建Series对象Pandas模块Series序列 通过字典方式创建data=“学生甲”:45,“学生乙”:30,“学生丙”:35,“学生丁:28ps3=Series(data)ps3学生甲 45学生乙 30学生丙 35学生丁 28Pandas模块Series序列 通过指定索引的方式，以列表为数据对象创建pds2=Series(45,30,35,28,index=学生甲,学生乙,学生丙,学生丁)pds2学生甲

5、45学生乙 30学生丙 35学生丁 28索引可以是字符串类型索引可以是字符串类型Pandas模块Series序列 通过指定索引的方式，通过字典方式创建data=i1:1,i2:2,i3:3,i4:4ps3=Series(data,index=i2,i1,i3,i4)ps3i2 2i1 1i3 3i4 4Pandas模块Series序列 通过指定索引的方式，通过字典方式创建data=i1:1,i2:2,i3:3,i4:4ps3=Series(data,index=i1,i2,i3,i4,i5)ps3i1 1i2 2i3 3i4 4i5 NaNPandas模块Series序列 通过index、va

6、lues属性访问import pandas as pdps=pd.Series(45,30,35,28,index=学生甲,学生乙,学生丙,学生丁)print(ps.values)45,30,35,282.查看、选取Series对象中的数据import pandas as pdps=pd.Series(45,30,35,28,index=学生甲,学生乙,学生丙,学生丁)print(ps.index)Index=(学生甲,学生乙,学生丙,学生丁,dtype=object)索引是字符串类型时：索引是字符串类型时：dtype=objectdtype=object索引是整型时：索引是整型时：dtype

7、=int64dtype=int64课堂练习有Python程序段如下：import pandas as pdser=pd.Series(1,3,5,7)print(ser.index)该程序段运行后输出结果为（）A A课堂练习下列有关Series说法错误的是（）A.Series中index属性，默认值从0开始B.Series中必须指定indexC.两个index不同的Series可以相加D.Series中的index可以是字符串类型B BPandas模块Series序列 索引访问import pandas as pdps=pd.Series(45,30,35,28,index=学生甲,学生乙,学

8、生丙,学生丁)print(ps学生甲,学生乙)学生甲 45学生乙 302.查看、选取Series对象中的数据Pandas模块Series序列 通过赋值语句修改import pandas as pdps=pd.Series(45,30,35,28,index=学生甲,学生乙,学生丙,学生丁)ps学生甲=42print(ps学生甲)423.修改Series对象中的数据Pandas模块DataFrame（数据框）数据结构数据结构维度维度组成部分组成部分属性属性Series一维由一个数组的数据（values）和一个与数据关联的索引（index）index、valuesDataFrame二维由1个索引列

9、（index）和若干个数据列组成index、columns、values、T自主阅读书本P121，完成表格填空Pandas模块DataFrame（数据框）DataFrame是一种类似于关系表的表格型数据结构，DataFrame对象是一个二维表格,由1个索引列（index）和若干个数据列组成。其中，每列中的元素类型必须一致，而不同的列可以拥有不同的元素类型。Pandas模块DataFrame（数据框）columnscolumnscolumnscolumnsPandas模块DataFrame（数据框）import pandas as pddata=“name”:学生甲,学生乙,学生丙,学生丁,“语

10、文”:100,89,110,105,“数学”:110,120,125,135，“信息”:45,30,35,28df=pd.DataFrame(data)dfindexindex 以相等长度的列表组成的字典形式创建1.创建DataFrame对象Pandas模块DataFrame（数据框）DataFrame数据有列索引和行索引，行索引类似于关系表中每行的编号（未指定行索引的情况下，会使用0到N-1作为行索引），列索引类似于表格的列名（也称为字段）。df1=DataFrame(data,index=20200817,20200818,20200819,20200819)df1 对已经创建好的Data

11、Frame对象指定行索引Pandas模块DataFrame（数据框）Excel文件名&文件内容：1.创建DataFrame对象importpandasaspddf=pd.read_excel(test.xlsx)print(df)导入二维数组文件创建DataFrame对象Python代码：控制台界面：importpandasaspddata=name:王晓明,李静,田海,sex:男,女,男,aged:20,19,21df=pd.DataFrame(data)df.to_excel(test.xlsx)print(df)Python代码：Excel文件名&文件内容：Pandas模块DataFra

12、me（数据框）通过index、values、columns属性查看2.查看DataFrame对象print(df.index)print(df.values)print(df.columns)Pandas模块DataFrame（数据框）查看数据列2.查看DataFrame对象print(dfname)查看数据行print(df.head(2)print(df.tail(2)dfprint(df1:3)Pandas模块DataFrame（数据框）Pandas模块DataFrame（数据框）append（）增加行数据可以通过append()函数传入字典数据即可。append_data=name:学

13、生戊,语文:110,数学:110,信息:35new_df=df.append(append_data，ignore_index=True)new_df3.行、列编辑 使用函数：insert（）、drop（）、rename（）、append（）、set_value（）Pandas模块DataFrame（数据框）append（）增加新列表可以通过append()函数传入字典数据即可。df1df2resultResult=df1.append(df2,ignore_index=True)Pandas模块DataFrame（数据框）增加列 增加列可以直接通过标签索引方式进行，当新增的列中的数值不一样时

14、，可以传入列表或者数组结构进行赋值。new_df“英语=“115,“100,“90,“100new_df修改前修改后Pandas模块DataFrame（数据框）删除使用drop()函数可以删除指定轴上的信息，原来的DataFrame数据不会删除。new_df.drop(2,axis=0)#删除行索引是2的信息Pandas模块DataFrame（数据框）drop（）和append（）函数均不改变原有df对象中的数据，而是通过返回另一个DataFrame对象来存放改变后的数据append_data=name:学生戊,语文:110,数学:110,信息:35new_df=df.append(appen

15、d_data)print(new_df)print(df)Pandas模块DataFrame（数据框）修改标签 通过rename()函数完成行和列索引标签的修改，index参数指定要修改的行标签，columns参数指定要修改的列标签。df.rename(columns=name:姓名)#以字典形式指定修改信息Pandas模块DataFrame（数据框）groupby（）4.DataFrame对象中对数据进行统计和计算：使用函数：count（）、sum（）、mean（）、max（）、min（）、describe（）、groupby（）df1.groupby(班级,as_index=False)P

16、andas模块DataFrame（数据框）groupby（）4.DataFrame对象中对数据进行统计和计算：使用函数：count（）、sum（）、mean（）、max（）、min（）、describe（）、groupby（）df1.groupby(班级,as_index=False)df1.groupby(班级,as_index=False).mean()df1.groupby(sex,as_index=False).aged.mean()Pandas模块DataFrame（数据框）按索引排序sort_index()4.DataFrame对象中的排序 按值排序sort_ values()pr

17、int(df1.sort_values(“信息,ascending=False)print(df1.sort_index()ascending=False降序ascending=True升序默认升序课堂练习某DataFrame对象df，其中包含18000数据行个和6个数据列，下列语句中能查看df对象中数据行的是（）A.df.index B.df.columns C.df.head()D.df.count()C C课堂练习判断题某DataFrame对象df，执行下列程序后，df中的数据将删除列索引为名称数据列（）import pandas as pddf.drop(名称，axis=1)谢谢观看第 四 章第 四 章