七周成为数据分析师

type(1)3/23//2int(1.1)"hello 'qinlu',hello 'lulu'"''' hello "qinlu" '''1 < 1 + 2a,b = 1,2a = a + 1

列表

num = [1,2,3,4,5,6,7]
sum(num)
len(num)
num[0]
num[1:3]
num[0:]
num[:2]
num[-2:]
num[0] + num[1]
#在索引1处插入9
num.insert(1,9)
#在末尾添加，在循环中用得多
num.append(8)
#在末尾添加多个值
num = num + [8,9，10]
#将索引1处的值删除
num.pop(1)
#默认删除最后一个
num.pop()
#修改索引3处的值为11
num[3] = 11 #[['qinlu','male',18],['lulu','female',18],['qinqin','male',19]]
name = ['qinlu','lulu','qinqin']
sex = ['male','female','male']
age = [18,18,19]
info = [name,sex,age] info_1 = [['qinlu','male',18],['lulu','female',18],['qinqin','male',19]]
info_1[0][1]row = [0]*3
#[0,0,0,0,0,0,0,0,0,0,0,0]
row*4
#[[0,0,0],[0,0,0],[0,0,0],[0,0,0]]
[row]*4 a = [1,2,3]
b = [2,3,4]
#去重
set(a)
#set不支持索引
set(a)[0]
list(set(a))
#报错，集合化不可以进行加减乘除的判断
set(a) + set(b)
#{2,3}
set(a) & set(b)
#{1,2,3,4}
set(a) | set(b)
#{1}:在集合a，不在集合b
set(a) - set(b)
#True
[1,2] < a

元组

a = (1,2，3,4)
a[0]
#元组不可修改，会报错
a[0] = 1

字典

a = {'qinlu':18,'lulu':18,'qinqin':19}a = {'name':'qinlu','sex':'male','age':18}
a['name']
#报错，字典是不带顺序的
a[2]
a['age'] = 20
#True
'sex' in a
a.pop('name')
a.keys()
#报错
a.keys()[0]
list(a.keys())
#key和value全部提取出来
a.items()

控制流

a = 10
if a > 10:print('more than 10')
elif a == 10:print('equal to 10')
else:print('less than 10')a = 12
if a > 10:print('more than 10')if a%2 == 0:print('odd')if a%2 == 1:print('even')
else:
print('less than 10')count = 0
while count < 10:print('the num is:',count)count = count +1#输出5，6,7,8,9
for i in range(5,10):print(i)#输出5,7,9,11,13,15,17,19
for i in range(5,20,2):print(i) a = ['a','b','c']
for i in a:print(i)

小技巧

list = []
for i in range(1,10):if i % 2 == 0:list.append(i)list_1 = ['str' + str(i) for i in range(1,101) if (i%2 == 0) & (i%3 == 0)]

匿名函数

list(map(lambda x:x*x,[1,2,3,4,5]))

numpy

import numpy as np
#array([1,2,3,4])
np.array([1,2,3,4])
#[1,2,3,4]
list = [1,2,3,4]
a[0] = 5
#array([6,3,4,5])
a + 1
#array([10,2,6,8])
a * 2 b = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])
b[0][1]
b.dtype

pandas

import pandas as pd
s1 = pd.Series([1,2,3,4])
s2 = pd.Series([1,2,3,4],index = ['a','b','c','d'])
s1[1]
s2['a']
s2[['a','b']]
#改变索引为d的值
s2['d'] = 6
#新增加一个值
s2['e'] = 5 d = {'qinlu':'handsome','lulu':'smart'}
s3 = pd.Series(d)
#显示qinqin为空值
s4 = pd.Series(d,index = ['qinlu','lulu','qinqin'] s2.astype('str')
#在全是数值的Series中增加一个字符串，所有数据类型全部更改为字符串
s2['A'] = 'A' d = {'name':['qinlu','lulu','qinqin'],'sex':['male','female','male'],'age':[18,18,19]
}
df = pd.DataFrame(d)
df.info()
#等价于df.age
df['age']
#ix等价于index
df.ix[0]
df[['age','sex']]
#与df[0:1]不一样
df.ix[0:1]
#选出年龄为18的行列
df[df.age == 18]
df.iloc[1]
df[0:1]
df.iloc[1:3,0:2]
df.loc['a','age']
df.loc['a',['age','name']]

案例

import pandas as pd
df = pd.read_csv('DataAnalyst.csv')
df2 = pd.read_csv('Company.csv')
df.head()
df.tail()
#转置
df.T
df.sort_values(by = 'avg')
df.avg.sort_values()
df.info()
df.city.unique()
df.describe()
df.mean()
df.groupby(by = 'city').count()
df.groupby(by = ['city','workYear']).mean()for k,v in df.groupby(by = 'city'):print(k[0])print(min(v.avg),max(v.avg))df.merge(right = df2,how ='inner',on = 'id')
pd.concat([df,df2])df.avg.astype('str') + 'k'
df.avg.apply(lambda x:str(x) + 'k')def func(x,n,asc=False):r = x.sort_values('avg',ascending=asc)return r[:n]
df.groupby('city').apply(func,n=3,asc=True)df.groupby('city').agg(['mean','sum'])
df.groupby('city').agg(lambda x:max(x)-min(x))df.pivot_table(index = ['city','education'],columns = 'workYear',values = ['avg','top'])

七周成为数据分析师 | Python相关推荐

如何成为python 数据分析师_如何七周成为数据分析师20：了解和掌握Python的函数...
本文是<如何七周成为数据分析师>的第二十教程,如果想要了解写作初衷,可以先行阅读七周指南.温馨提示:如果您已经熟悉Python,大可不必再看这篇文章,或只挑选部分. Python之所以灵活 ...
python数据分析要学多久_如何七周成为数据分析师18：Python的新手教程
本文是<如何七周成为数据分析师>的第十八篇教程,如果想要了解写作初衷,可以先行阅读七周指南.温馨提示:如果您已经熟悉Python,大可不必再看这篇文章,或只挑选部分. Python是近年来 ...
(秦路)七周成为数据分析师（第七周）——Python
文章目录 1.Python基础 2.Pandas 2.1 series 生成用索引读取相应的行 2.2 DataFrame 生成查看形状查看属性和信息查看数据类型查看某列有多少种元素查看某 ...
转：《七周成为数据分析师》总结
本文转自: https://blog.csdn.net/weixin_39722361/article/details/79522111 个人公众号:数据路知乎:无小意. 百日计划第一周总结 1. ...
[学习笔记]B站视频：磨剑之作，七周成“师”！【七周成为数据分析师】- 第一周
[学习笔记]B站学习视频:七周成为数据分析师-第一周序数据思维结构化公式化业务化数据分析的思维技巧象限法多维法假设法指数法二八法对比法漏斗法如何在业务时间锻炼数据分析思维 ...
天善磨剑之作,七周成为数据分析师秦路主讲
章节1: 如何七周成为数据分析师课时1:为什么需要七周课时2:七周应该怎么学章节2: 第一周:数据分析思维课时3:为什么思维重要课时4:数据分析的三种核心思维(结构化) ...
七周成为数据分析师第二周：业务篇-框架与模型
七周成为数据分析师第七周:Python - CSDN博客七周成为数据分析师第六周:统计学 - CSDN博客七周成为数据分析师第五周:Mysql - CSDN博客七周成为数据分析师第四周: ...
七周成为数据分析师第二周：业务篇-指标
七周成为数据分析师第七周:Python - CSDN博客七周成为数据分析师第六周:统计学 - CSDN博客七周成为数据分析师第五周:Mysql - CSDN博客七周成为数据分析师第四周: ...
(秦路)七周成为数据分析师（第一周）—— 数据分析思维
文章目录 1. 什么是数据分析 2.应该怎么学 3. 数据分析思维 3.1 三种核心思维 3.1.1 结构化 3.1.2 公式化 3.1.3 业务化 3.2 数据分析的思维技巧 3.3 数据分析思维九 ...

七周成为数据分析师 | Python

列表

元组

字典

控制流

小技巧

匿名函数

numpy

pandas

案例

七周成为数据分析师 | Python相关推荐

最新文章

热门文章