4.3pandas处理数据与matplotlib模块绘图-【新教材】浙教版高中信息技术必修第一册课件

第四章

数据处理与应用1、常用表格数据的处理2、大数据处理3、大数据典型应用人生苦短我用python学习目标：

1、了解Python常用扩展模块的功能。2、掌握pandas模块的调用方法、数据结构等基本知识。3、能使用pandas模块对数据进行编辑、计算和统计分析，并能从中提取有用信息形成结论。4、掌握matplotlib模块的调用方法和使用matplotlib模块对数据进行可视化的基本方法。还记得吗？python模块的导入——import一个程序中已出现的一个或多个函数或模块，引入到另一个python代码中，从而实现代码的复用。语法如下：import模块名模块名.函数名from模块名import函数名python模块的小名儿import还有更多详细的用法，主要有以下两种：导入整个模块时，也可以为模块指定别名。

import模块名1[as别名1]…例如：importsysassprint(s.argv[0])

from模块名import成员名1[as别名1]，…例如：fromsysimportargvasvprint(v[0])pandas处理数据

数据处理可以使用现成的软件或平台,也可以通过编写程序实现。Python语言丰富的标准模块和扩展库提供了许多高效灵活的函数,可以帮助我们较好地进行数据整理。

pandas数据结构

1.Series（序列）Series类似于一维数组，由一个数组的数据和一个与数据关联的索引（index）,索引值默认是从0起递增的整数。frompandasimportSeries#导入pandas库中Series模块pds1=Series([1,2,3,4])pds101122334左列：index右列：valuespandas数据结构通过指定索引的方式pds2=Series([1,2,3,4],index=['a','b','c','d'])pds2a

1b2c3d4pandas数据结构通过字典方式创建data={"i1":1,"i2":2,"i3":3,"i4":4}#由于字典是无序的，因此指定索引排列顺序ps3=Series(data,index=['i1','i2','i3','i4'])ps3i11i22i33i44pandas数据结构

2.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。使用DataFrame前，需要导入pandas库中的DataFrame模块frompandasimportDataFrame

pandas数据结构data={"name":["王晓明","李静","田海"],"sex":["男","女","男"],"aged":[20,19,21]}#字典是无序的，因此需要通过columns指定列索引的排列顺序df=DataFrame(data,columns=["name","sex","aged"])dfindexpandas数据结构

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,columns=["name","sex","aged"],index=["L1","L2","L3"])df1data={"name":("张三","李四","王五","赵六"),"sex":("男","女","女","男"),"aged":(20,19,20,21),"score":(80,60,70,90)}df=DataFrame(data)#使用字典创建DataFrame对象dfpandas数据结构

pandas数据结构

DataFrame模块提供了丰富的函数，这些函数可以用来进行行、列编辑和统计计算等。1.增加行增加行数据可以通过append()函数传入字典数据即可。append_data={"name":"朱八","sex":"男","aged":23,"score":65}new_df=df.append(append_data)new_df

pandas数据结构

2.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，可以传入列表或者数组结构进行赋值。new_df["city"]=["北京","西安","长春","珠海","昆明"]new_df

pandas数据结构

3.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)#删除行索引是2的信息

pandas数据结构

4.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。new_df.rename(index={3:2,4:3},columns={"score":"grade"})#以字典形式指定修改信息

pandas数据结构

Matplotlib——绘图Matplotlib—绘制精美的图表

Matplotlib——绘图

matplotlib中的快速绘图的函数库可以通过如下语句载入：接下来调用figure创建一个绘图对象，并且使它成为当前的绘图对象。通过figsize参数可以指定绘图对象的宽度和高度，单位为英寸；dpi参数指定绘图对象的分辨率，即每英寸多少个像素，缺省值为80。因此本例中所创建的图表窗口的宽度为8*80=640像素。importmatplotlib.pyplotaspltplt.figure(figsize=(8,4))快速绘图接下来通过一系列函数设置绘图对象的各个属性：•xlabel/ylabel:设置X轴/Y轴的文字•title:设置图表的标题•ylim:设置Y轴的范围•legend:显示图示最后调用plt.show()显示出创建的所有绘图对象。21plt.xlabel("Time(s)")plt.ylabel("Volt")plt.title("PyPlotFirstExample")plt.ylim(-1.2,1.2)plt.legend()

Matplotlib——绘图快速绘图

22importnumpyasnpimportmatplotlib.pyplotasplt

x=np.linspace(0,10,1000)y=np.sin(x)z=np.cos(x**2)

plt.figure(figsize=(8,4))plt.plot(x,y,label="$sin(x)$",color="red",linewidth=2)plt.plot(x,z,"b--",label="$cos(x^2)$")plt.xlabel("Time(s)")plt.ylabel("Volt")plt.title("PyPlotFirstExample")plt.ylim(-1.2,1.2)plt.legend()plt.show()

Matplotlib——绘图快速绘图23

Matplotlib——绘图课堂小结import模块名1[as别名1]…from模块名import成员名1[as别名1]，…pandas数据结构Series（序列）DataFrame（数据框）Matplotlib——绘图1.下列Python的模块中，主要用于数据的处理和分析的是（）A.ImageB.pandasC.scipyD.matplotlib课堂练习B课堂练习2.有Python程序段如下：importpandasaspdser=pd.Series([1,3,5,7])print(ser.index)

该程序段运行后输出结果为（）A课堂练习3.某Dat