高中信息技术学考复习第4章数据处理与应用课时15pandas处理数据课件

第4章课时15pandas处理数据信息技术课标梳理·微知著教材重点课标要求学业质量水平pandas数据处理1.掌握Series数据结构、DataFrame数据结构和DataFrame常用函数2.能利用软件工具或平台准确而有序地对数据进行整理、组织、计算与呈现2-2教材研析·固基础1

Python进行数据处理时常用的扩展模块1.numpy:科学计算(随机数、数组运算等)2.scipy:基于numpy构建。增强了高等数学、信号处理、图像处理、统计等处理能力。3.matpoltlib:绘图库4.pandas:基于numpy实现,主要用于数据的处理和分析。(1)Pandas提供了Series和DataFrame两种数据结构完成数据的整理、计算、统计、分析及简单可视化。(2)导入pandas模块:importpandasaspd(导入pandas模块,pd为别名)典例1下列扩展模块中用于数据处理和分析的是()A.Numpy

B.scipyC.matpoltlib

D.pandasD2SeriesSeries是一种一维数组的数据结构,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。属性说明indexSeries的下标索引,其值默认是从0起递增的整数values存放Series值的一个数组①输入数据及输出

代码结果importpandasaspd#导入pandas库,别名为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#输出具体索引号需要通过循环输出②修改数据

s2=pd.Series([166,178,\180],index=['s01','s02','s03'])s2[1]=188s2['s03']=222print(s2.values)[166188222]#可通过默认索引号或指定索引号修改其数据值典例2编写Python小程序建立字典存储如图所示Excel中的选手数据;并利用字典生成pandas的Series对象;输出Series对象,并自动进入修改选手年龄的状态(输入选手的姓名、新的年龄值),当输入为0时,退出修改状态;然后输出年龄审核通过(不超过15岁)的选手名单。程序运行界面和代码如下,请在划线处填上合适的代码。importpandasaspddic={'姚佳云':15,'庄怡婷':16,'孙雁\婷':17,'马能':16,'谢震宇':16,'傅怿成':\17,'沈雯雯':15,'王婧':16}inf=①_________________print(inf)whileTrue:xm=input('请输入需要修改年龄\的人名:') if②_______________:

break

nl=int(input('请输入需要修改的\年龄值:'))③_________________pd.Series(dic)xm=='0'inf[xm]=nl

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

ans=ans+''+iprint('通过年龄审核的选手是:',ans)inf[i]<=15解析

①用字典创建一维Series数据对象,参数为对象名。②当输入的姓名xm为字符‘0’时,结束修改状态。③修改Series对象值的格式为:对象名[index]=新值。④for

i

in

inf.index:说明for遍历Series对象inf的索引,i为每次循环遍历到的index,与之相应的value为inf[i],年龄不能大于15岁。3DataFrame

1.概念DataFrame是一种二维的数据结构,类似于关系表的表格型数据结构,由1个索引列(index)和若干个数据列组成,每个数据列可以是不同的类型。DataFrame可以看作是共享同一个index的Series的集合。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。创建DataFrame对象的方法很多,通常用一个相等长度的列表或字典来创建。2.DataFrame对象常用属性属性说明indexDataFrame的行索引columns存放各列的列标题values存放值的二维数据T行列转置3.常用函数

函数名函数功能使用方法示例count()返回非空(NaN)数据项的数量df1.count()

每一列非空个数df1.count(axis=1)

每一行非空数df1['姓名'].count()

“姓名”列非空

个数sum()求和,通过axis=0/1确定求和轴向(axis=0纵向求和,axis=1横向求和)df1.sum()

axis默认为0,纵向求和df1.sum(axis=1) 横向求和df1.语文.sum() 仅语文列求和mean()求平均值,通过axis=0/1确定行列用法同上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统计值,包含非空项数、平均数、标准差、最大值、最小值及4分位差df1.describe()df1.语文.describe()head()返回DataFrame前n个数据记录(若不设置n,则默认返回前5行)df1.head(2)

返回前2行df1.head()

返回前5行tail()返回DataFrame后n个数据记录df1.tail(2)

返回后2行df1.tail()

返回后5行groupby()对各列或各行中的数据进行分组,然后可对其中每一组数据进行不同的操作df1.groupby(″性别″)按性别分类df1.groupby(″性别″).mean()按性别求平均值sort_values()排序,通过axis=0/1确定行列,默认为0(列)通过ascending=True/False设置升序还是降序,默认为True(升序)df1.sort_values(″语文″,ascending=False)按语文成绩降序排序drop()删除数据,通过axis=0/1确定行列,默认为0(行)注意:不改变原有对象的数据df2=df1.drop(2)删除第3行df3=df1.drop(″性别″,axis=1)删除“性别”列append()在指定对象的结尾插入内容注意:不改变原有对象的数据data1={'姓名':'李二','性别':'男','语文':143,'数学':133,'英语':136}df5=df1.append(data1,ignore_index=True)在结尾增加一行数据insert()在指定位置插入列注意:改变原有对象的数据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:不改变原有对象的数据df5=df1.rename(columns={″姓名″:″您的姓名″,″性别″:″您的性别″})

改变列名df6=df1.rename(index={0:″a″,1:″b″})改变索引名4.主要操作①创建DataFrame对象方法1,使用相等长度列表的字典构建一个DataFrame对象。方法2,直接读取二维数据文件创建DataFrame对象。pd.read_csv(filename)#从CSV文件导入数据pd.read_excel(filename)#从Excel文件导入数据df.to_csv(filename)#导出数据到CSV文件df.to_excel(filename)#导出数据到Excel文件②查看DataFrame数据属性

③查看DataFrame常用方法

④axis(轴说明)及行列操作

⑤分组计算

典例3(2023浙江7月学考)某省2022年全年气象灾害预警数据保存在文件“qxyj.xlsx”中,部分数据如图所示,编写Python程序,统计全年发布次数最多的5种气象预警。importpandasaspddf=pd.read_excel(″qxyj.xlsx″)

#读文件中的数据df=df.drop([″预警发布单位″,″预警等\级″,″预警发布时间″],axis=1)

#删除列________________print(df_s[0:5])方框中代码由下列语句中的部分语句组成:①df_g=df.groupby(″预警名称″,as_index=False).sum()

#分组求和②df_g=df_s.groupby(″次数″,as_index=False).sum()③df_s=df.sort_values(″次数″,ascending=True)

#升序排序④df_s=df_g.sort_values(″次数″,ascending=False)要实现上述功能,下列选项中正确的是()A.①④ B.①③

C.②④ D.③②A解析

本题考查Pandas数据处理知识。根据题意,要求统计全年发布次数最多的5种气象预警,因此在使用分组函数groupby()时,分组的依据肯定是“预警名称”,而不是“次数”,故在①②中选择①。从代码print(df_s[0:5])可知,输出的是最前面的五条记录,从而可以判断数据是按照“次数”降序排序的,sort_values函数的参数ascending=False表示降序,故在③④中选择④。故选A。典例4某DataFrame对象df,包含“商品编码”“销售价格”“销售日期”等数据列。下列语句中,能将df对象中的数据以“商品编码”为关键字降序排序的是()A.df.sort_index(axis=1,ascending=True)B.df.sort_values('商品编码',ascending=False)C.df.sort_values('商品编码',ascending=True,inplace=True)D.df.sort_values('商品编码',ascending=False,inplace=True)解析

分析题目,发现解决问题的关键在于将df对象中的数据按“商品编码”从大到小排列。df对象中的数据采用DataFrame结构组织,因此可以使用sort_values()函数按“商品编码”降序排列df对象中的数据。参数ascending=False为降序,inplace=True排序结果替换df中数据,因此本题答案为D。D典例5小蓝利用Excel收集了某次足球比赛各国球队相关数据,并保存为“足球赛.xlsx”文件,如图a所示。然后他利用pandas模块进行数据处理,分析小组赛中各支球队的表现。(提示:该比赛共分成8个小组,每个小组4支球队,组内各队之间进行一场比赛,每支球队共比赛3场)图a(1)(多选题)小蓝在处理数据前,首先进行了数据整理,则下列步骤正确的是()(注:全部选对的得2分,选对但不全的得1分,不选或错选的得0分)A.E4单元格中的数据存在逻辑错误,需要改成3B.第7行和第8行两行数据重复,直接删除其中一行即可C.英格兰队的所在行存在数据缺失,故无法确定具体数值D.阿根廷所在小组的组别格式不一致,应当将其改成CAD(2)小蓝利用pandas模块处理图a中的表格数据,其中部分Python程序代码如下。在处理数据的过程中,小蓝提出了以下三项要求。请根据他的要求在划线处填入合适的代码。①首先计算各球队的小组赛积分。积分计算规则为:胜一场得3分,平局得1分,负一场得0分。②然后对各球队进行小组排名。小组排名规则为:按积分降序排序。③最后统计各小组的平均进球数,并绘制成如图b所示的图表。图bimportpandasaspdimportmatplotlib.pyplotaspltplt.rcParams['font.sans-serif']=\

['SimSun']#设置字体为宋体df=pd.read_excel('足球赛.xlsx')df['积分']=①____________________________dfrank=df.sort_values(②_________,\ascending=False)

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