高中信息技術學考復習第4章數(shù)據(jù)處理與應用課時15pandas處理數(shù)據(jù)課件

第4章課時15pandas處理數(shù)據(jù)信息技術課標梳理·微知著教材重點課標要求學業(yè)質(zhì)量水平pandas數(shù)據(jù)處理1.掌握Series數(shù)據(jù)結(jié)構、DataFrame數(shù)據(jù)結(jié)構和DataFrame常用函數(shù)2.能利用軟件工具或平臺準確而有序地對數(shù)據(jù)進行整理、組織、計算與呈現(xiàn)2-2教材研析·固基礎1

Python進行數(shù)據(jù)處理時常用的擴展模塊1.numpy:科學計算(隨機數(shù)、數(shù)組運算等)2.scipy:基于numpy構建。增強了高等數(shù)學、信號處理、圖像處理、統(tǒng)計等處理能力。3.matpoltlib:繪圖庫4.pandas:基于numpy實現(xiàn),主要用于數(shù)據(jù)的處理和分析。(1)Pandas提供了Series和DataFrame兩種數(shù)據(jù)結(jié)構完成數(shù)據(jù)的整理、計算、統(tǒng)計、分析及簡單可視化。(2)導入pandas模塊:importpandasaspd(導入pandas模塊,pd為別名)典例1下列擴展模塊中用于數(shù)據(jù)處理和分析的是()A.Numpy

B.scipyC.matpoltlib

D.pandasD2SeriesSeries是一種一維數(shù)組的數(shù)據(jù)結(jié)構,由一個數(shù)組的數(shù)據(jù)和一個與數(shù)據(jù)關聯(lián)的索引(index),索引值默認是從0起遞增的整數(shù)。屬性說明indexSeries的下標索引,其值默認是從0起遞增的整數(shù)values存放Series值的一個數(shù)組①輸入數(shù)據(jù)及輸出

代碼結(jié)果importpandasaspd#導入pandas庫,別名為pds1=pd.Series([166,178,180])print(s1)0________1661________1782________180s2=pd.Series([166,178,180],index=['s01','s02','s03'])print(s2)s01________166s02________178s03________180dtype:int64s2=pd.Series([166,178,180],\index=['s01','s02','s03'])print(s2.values)foriins2.index:print(i)[166178180]s01s02s03#輸出具體索引號需要通過循環(huán)輸出②修改數(shù)據(jù)

s2=pd.Series([166,178,\180],index=['s01','s02','s03'])s2[1]=188s2['s03']=222print(s2.values)[166188222]#可通過默認索引號或指定索引號修改其數(shù)據(jù)值典例2編寫Python小程序建立字典存儲如圖所示Excel中的選手數(shù)據(jù);并利用字典生成pandas的Series對象;輸出Series對象,并自動進入修改選手年齡的狀態(tài)(輸入選手的姓名、新的年齡值),當輸入為0時,退出修改狀態(tài);然后輸出年齡審核通過(不超過15歲)的選手名單。程序運行界面和代碼如下,請在劃線處填上合適的代碼。importpandasaspddic={'姚佳云':15,'莊怡婷':16,'孫雁\婷':17,'馬能':16,'謝震宇':16,'傅懌成':\17,'沈雯雯':15,'王婧':16}inf=①_________________print(inf)whileTrue:xm=input('請輸入需要修改年齡\的人名:') if②_______________:

break

nl=int(input('請輸入需要修改的\年齡值:'))③_________________pd.Series(dic)xm=='0'inf[xm]=nl

print(inf)ans=''foriininf.index:if④__________________:

ans=ans+''+iprint('通過年齡審核的選手是:',ans)inf[i]<=15解析

①用字典創(chuàng)建一維Series數(shù)據(jù)對象,參數(shù)為對象名。②當輸入的姓名xm為字符‘0’時,結(jié)束修改狀態(tài)。③修改Series對象值的格式為:對象名[index]=新值。④for

i

in

inf.index:說明for遍歷Series對象inf的索引,i為每次循環(huán)遍歷到的index,與之相應的value為inf[i],年齡不能大于15歲。3DataFrame

1.概念DataFrame是一種二維的數(shù)據(jù)結(jié)構,類似于關系表的表格型數(shù)據(jù)結(jié)構,由1個索引列(index)和若干個數(shù)據(jù)列組成,每個數(shù)據(jù)列可以是不同的類型。DataFrame可以看作是共享同一個index的Series的集合。其中,每列中的元素類型必須一致,而不同的列可以擁有不同的元素類型。創(chuàng)建DataFrame對象的方法很多,通常用一個相等長度的列表或字典來創(chuàng)建。2.DataFrame對象常用屬性屬性說明indexDataFrame的行索引columns存放各列的列標題values存放值的二維數(shù)據(jù)T行列轉(zhuǎn)置3.常用函數(shù)

函數(shù)名函數(shù)功能使用方法示例count()返回非空(NaN)數(shù)據(jù)項的數(shù)量df1.count()

每一列非空個數(shù)df1.count(axis=1)

每一行非空數(shù)df1['姓名'].count()

“姓名”列非空

個數(shù)sum()求和,通過axis=0/1確定求和軸向(axis=0縱向求和,axis=1橫向求和)df1.sum()

axis默認為0,縱向求和df1.sum(axis=1) 橫向求和df1.語文.sum() 僅語文列求和mean()求平均值,通過axis=0/1確定行列用法同上max()返回最大值用法同上min()返回最小值用法同上describe()返回各列的基本描述統(tǒng)計值,包含非空項數(shù)、平均數(shù)、標準差、最大值、最小值及4分位差df1.describe()df1.語文.describe()head()返回DataFrame前n個數(shù)據(jù)記錄(若不設置n,則默認返回前5行)df1.head(2)

返回前2行df1.head()

返回前5行tail()返回DataFrame后n個數(shù)據(jù)記錄df1.tail(2)

返回后2行df1.tail()

返回后5行groupby()對各列或各行中的數(shù)據(jù)進行分組,然后可對其中每一組數(shù)據(jù)進行不同的操作df1.groupby(″性別″)按性別分類df1.groupby(″性別″).mean()按性別求平均值sort_values()排序,通過axis=0/1確定行列,默認為0(列)通過ascending=True/False設置升序還是降序,默認為True(升序)df1.sort_values(″語文″,ascending=False)按語文成績降序排序drop()刪除數(shù)據(jù),通過axis=0/1確定行列,默認為0(行)注意:不改變原有對象的數(shù)據(jù)df2=df1.drop(2)刪除第3行df3=df1.drop(″性別″,axis=1)刪除“性別”列append()在指定對象的結(jié)尾插入內(nèi)容注意:不改變原有對象的數(shù)據(jù)data1={'姓名':'李二','性別':'男','語文':143,'數(shù)學':133,'英語':136}df5=df1.append(data1,ignore_index=True)在結(jié)尾增加一行數(shù)據(jù)insert()在指定位置插入列注意:改變原有對象的數(shù)據(jù)df1.insert(loc=0,column='出生年份',value=[2003,2002,2001,2002])在第一列插入“出生年份”列rename()修改列名或者索引注意:不改變原有對象的數(shù)據(jù)df5=df1.rename(columns={″姓名″:″您的姓名″,″性別″:″您的性別″})

改變列名df6=df1.rename(index={0:″a″,1:″b″})改變索引名4.主要操作①創(chuàng)建DataFrame對象方法1,使用相等長度列表的字典構建一個DataFrame對象。方法2,直接讀取二維數(shù)據(jù)文件創(chuàng)建DataFrame對象。pd.read_csv(filename)#從CSV文件導入數(shù)據(jù)pd.read_excel(filename)#從Excel文件導入數(shù)據(jù)df.to_csv(filename)#導出數(shù)據(jù)到CSV文件df.to_excel(filename)#導出數(shù)據(jù)到Excel文件②查看DataFrame數(shù)據(jù)屬性

③查看DataFrame常用方法

④axis(軸說明)及行列操作

⑤分組計算

典例3(2023浙江7月學考)某省2022年全年氣象災害預警數(shù)據(jù)保存在文件“qxyj.xlsx”中,部分數(shù)據(jù)如圖所示,編寫Python程序,統(tǒng)計全年發(fā)布次數(shù)最多的5種氣象預警。importpandasaspddf=pd.read_excel(″qxyj.xlsx″)

#讀文件中的數(shù)據(jù)df=df.drop([″預警發(fā)布單位″,″預警等\級″,″預警發(fā)布時間″],axis=1)

#刪除列________________print(df_s[0:5])方框中代碼由下列語句中的部分語句組成:①df_g=df.groupby(″預警名稱″,as_index=False).sum()

#分組求和②df_g=df_s.groupby(″次數(shù)″,as_index=False).sum()③df_s=df.sort_values(″次數(shù)″,ascending=True)

#升序排序④df_s=df_g.sort_values(″次數(shù)″,ascending=False)要實現(xiàn)上述功能,下列選項中正確的是()A.①④ B.①③

C.②④ D.③②A解析

本題考查Pandas數(shù)據(jù)處理知識。根據(jù)題意,要求統(tǒng)計全年發(fā)布次數(shù)最多的5種氣象預警,因此在使用分組函數(shù)groupby()時,分組的依據(jù)肯定是“預警名稱”,而不是“次數(shù)”,故在①②中選擇①。從代碼print(df_s[0:5])可知,輸出的是最前面的五條記錄,從而可以判斷數(shù)據(jù)是按照“次數(shù)”降序排序的,sort_values函數(shù)的參數(shù)ascending=False表示降序,故在③④中選擇④。故選A。典例4某DataFrame對象df,包含“商品編碼”“銷售價格”“銷售日期”等數(shù)據(jù)列。下列語句中,能將df對象中的數(shù)據(jù)以“商品編碼”為關鍵字降序排序的是()A.df.sort_index(axis=1,ascending=True)B.df.sort_values('商品編碼',ascending=False)C.df.sort_values('商品編碼',ascending=True,inplace=True)D.df.sort_values('商品編碼',ascending=False,inplace=True)解析

分析題目,發(fā)現(xiàn)解決問題的關鍵在于將df對象中的數(shù)據(jù)按“商品編碼”從大到小排列。df對象中的數(shù)據(jù)采用DataFrame結(jié)構組織,因此可以使用sort_values()函數(shù)按“商品編碼”降序排列df對象中的數(shù)據(jù)。參數(shù)ascending=False為降序,inplace=True排序結(jié)果替換df中數(shù)據(jù),因此本題答案為D。D典例5小藍利用Excel收集了某次足球比賽各國球隊相關數(shù)據(jù),并保存為“足球賽.xlsx”文件,如圖a所示。然后他利用pandas模塊進行數(shù)據(jù)處理,分析小組賽中各支球隊的表現(xiàn)。(提示:該比賽共分成8個小組,每個小組4支球隊,組內(nèi)各隊之間進行一場比賽,每支球隊共比賽3場)圖a(1)(多選題)小藍在處理數(shù)據(jù)前,首先進行了數(shù)據(jù)整理,則下列步驟正確的是()(注:全部選對的得2分,選對但不全的得1分,不選或錯選的得0分)A.E4單元格中的數(shù)據(jù)存在邏輯錯誤,需要改成3B.第7行和第8行兩行數(shù)據(jù)重復,直接刪除其中一行即可C.英格蘭隊的所在行存在數(shù)據(jù)缺失,故無法確定具體數(shù)值D.阿根廷所在小組的組別格式不一致,應當將其改成CAD(2)小藍利用pandas模塊處理圖a中的表格數(shù)據(jù),其中部分Python程序代碼如下。在處理數(shù)據(jù)的過程中,小藍提出了以下三項要求。請根據(jù)他的要求在劃線處填入合適的代碼。①首先計算各球隊的小組賽積分。積分計算規(guī)則為:勝一場得3分,平局得1分,負一場得0分。②然后對各球隊進行小組排名。小組排名規(guī)則為:按積分降序排序。③最后統(tǒng)計各小組的平均進球數(shù),并繪制成如圖b所示的圖表。圖bimportpandasaspdimportmatplotlib.pyplotaspltplt.rcParams['font.sans-serif']=\

['SimSun']#設置字體為宋體df=pd.read_excel('足球賽.xlsx')df['積分']=①____________________________dfrank=df.sort_values(②_________,\ascending=False)

print(dfrank)df2=df.groupby(″組別″).mean()plt.bar(③________________________,label=″平均\進球″)