实验目的
1.掌握数据读取的函数
2.熟悉for语句循环遍历
3.掌握列表、元组、字典和集合的特效以及常用方法(append().len())
4.灵活掌握通过切片方式获取数据实验内容(代码)
#1.读取数据
path=r'./white_wine.csv'
import csvif __name__ == '__main__':f = open(path)reader = csv.reader(f)#delimiter字段分割符,默认是逗号,每一个单元格作为一个元素,1行12个元素# reader=csv.reader(f,delimiter=';')content = []for row in reader:content.append(row)f.close()for i in range(5):print(content[i],len(content[i]))
#2.处理数据
#(1)查看葡萄酒共分为几种等级。
quality_list = []
for row in content[1:]:quality_list.append(int(row[-1]))
quality_count = set(quality_list)
print(f"葡萄酒共有{len(quality_count)}种等级,分别是{quality_count}")
#Python3.6新增的f-字符串格式化#(2)葡萄酒等级有7种,统计在每个品质中的样本量
content_dict = {}         #{'品质':样本量,}
for row in content[1:]:quality = int(row[-1])if quality not in content_dict.keys():content_dict[quality] = [row]#把row当做只有一行的二维数据加入字典作为键当前quality的值#print(row)#print([row])else:content_dict[quality].append(row)#当前键quality对应的值为一个二维数据集,row作为一位数据的一行追加到二维数据的末尾
for key in content_dict:print(f"{key}等级:{len(content_dict[key])}")
#print(content_dict[9])#(3)统计在每个品质的样本量
number_tuple = []
for key,value in content_dict.items():number_tuple.append((key,len(value)))
print(number_tuple)#(4)求每个数据集中“fixed acidity”的均值。
mean_list = []
for key,value in content_dict.items():sum = 0for row in value:sum += float(row[0])  # 第1列数据mean_list.append((key,sum/len(value)))#用元组和列表都一样
for item in mean_list:print(f"{item[0]}:{item[1]}")
运行结果:

python葡萄酒品质分析相关推荐

  1. 基于随机森林模型的葡萄酒品质分析

    视频:南京大学 用Python玩转数据 https://www.icourse163.org/course/NJU-1001571005 背景:UCI葡萄酒数据集中有12个属性,分别是: 1 - fi ...

  2. python葡萄酒数据集_Python 数据挖掘- Kaggle红酒品质数据

    数据挖掘或机器学习在商业智能领域的案例在Kaggle 很多,我今天分享一下红酒数据. 按照CRISP模型第一步去了解业务,也就是数据集描述的业务场景,如果不理解这一点,那么数据分析的意义又在哪儿呢,就 ...

  3. 基于大数据分析的葡萄酒品质鉴别系统设计与实现

    温馨提示:文末有 CSDN 平台官方提供的学长 Wechat / QQ 名片 :) 1. 项目背景 葡萄酒品鉴既是一门科学,也是一门艺术.品鉴葡萄酒,首先当然要能鉴别酸.甜.苦.咸.鲜五种基本味道,它 ...

  4. python葡萄酒数据_用python进行葡萄酒质量预测

    python葡萄酒数据 Warning: This is long article for those who seek only machine learning code, please just ...

  5. python可视化来分析全国疫情

    很长一段时间在python下出图都是使用matplotlib,其好处就是应用比较广泛,文档很容易找,不过出的图微显丑陋.pyecharts 是百度的echarts基于python的实现,可以很方便的直 ...

  6. NLP实战:利用Python理解、分析和生成文本 | 赠书

    导读:本文内容参考自<自然语言处理实战:利用Python理解.分析和生成文本>一书,由Hobson Lane等人所著. 本书是介绍自然语言处理(NLP)和深度学习的实战书.NLP已成为深度 ...

  7. Python源码学习:Python类机制分析-用户自定义类

    Python源码分析 本文环境python2.5系列 参考书籍<<Python源码剖析>> 上一文,分析了Python在启动初始化时,对内置类的一个基本的初始化流程,本文就简析 ...

  8. Python源码学习:Python类机制分析

    Python源码分析 本文环境python2.5系列 参考书籍<<Python源码剖析>> 本文主要分析Python中类时如何实现的,在Python中,一切都是对象:任何对象都 ...

  9. python处理excel表格数据-利用Python处理和分析Excel表中数据实战.doc

    利用Python处理和分析Excel表中数据实战 [利用python进行数据分析--基础篇]利用Python处理和分析Excel表中数据实战 原创 2017年06月28日 15:09:32 标签: p ...

最新文章

  1. Linux常用命令——hostname
  2. 【免费软件测试视频-0016】——LR系列之---协议的选择
  3. python socket编程步骤_python-socket编程(入门,网络基础)
  4. 关于c++静态成员函数
  5. Apollo快速使用
  6. HandlerInterceptor拦截器使用总结
  7. 分布式系统理论之租约机制学习
  8. html标签属性%= %,HTML标签属性集合
  9. [html] 解释下你对GBK和UTF-8的理解?并说说页面上产生乱码的可能原因
  10. 手机界面常见的的九宫格
  11. 使用jquery版本的viewer.js图片更新的问题
  12. 网页打开Android APP
  13. ibatis 3.x 实例
  14. linux boot分区作用,Linux和Uboot下eMMC boot分区读写
  15. OSN3500设备PSXCS单板的工作原理和信号流
  16. Java 导入导出Excel
  17. Ubuntu 下五笔拼音混合输入法
  18. steam版拳皇14无法正常启动
  19. MapStruct - Ambiguous constructors found
  20. 【成功解决】Ubuntu下U盘文件夹不存在

热门文章

  1. python 分隔符截取字符串_python指定分隔符截取字符串
  2. 高阶数据结构之哈希的应用
  3. 在ParaView中计算圆柱绕流算例里圆柱所受的升阻力
  4. 车载网络 - Autosar网络管理 - 基本概念
  5. NLP系列——(4)文本表示
  6. 智慧社区小助手的设计与开发
  7. 适合做私活的几个开源项目!
  8. 开源b2b2c多用户商城系统具有的优势
  9. DNS查询过程及DNS服务器简单搭建
  10. 【调剂】河北大学2020年硕士研究生拟接收调剂专业公告