机器学习三剑客之Pandas中DataFrame基本操作

Pandas 是基于Numpy 的一种工具，是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。Pandas提供了大量能使我们快速便捷地处理数据的函数和方法。

安装命令：pip install pandas

具体操作如下：值得注意得是配置环境变量和添加项目路径要优先于导包 否则系统将检测不到pandas库

#导包

import os

import sys

#将脚本所在得工程添加到环境变量 绝对路径

sys.path.append('c:/Users/王建/www/mymac')

#相对路径

sys.path.append('../mymac')

#将项目路径添加到系统搜索路径

os.environ["DJANGO_SETTINGS_MODULE"] = 'mymac.settings'

#导入django模块

import django

#导入pandsa

import numpy as np

import pandas as pd

#导入sqlalchemy

from sqlalchemy import create_engine

#加载项目配置

django.setup()

#加载数据类

from myapp.models import Student

if __name__ == "__main__":

#加入数据库引擎

engine = create_engine('mysql+pymysql://root:mysql@localhost:3306/mymac')

#sql语句

sql = ' select * from student '

#建立数据框架

df = pd.read_sql_query(sql,engine)

print(df)

# 按照年龄正序 加ascending=False倒序

# 类似sql语句 select * from student order by age asc 或者 desc

df = df.sort_values(["age","height"],ascending=False)

print(df)

# 取年龄最小得学生

# select * from student order by age limit 1

df = df.sort_values(["age"])

print(df)

# 求整个班级得平均年龄 使用loc方法指定字段

print(df.mean())

print(df.mean(0))

print(df.mean(1))

print(df.loc[df['gender'] == 0].age.mean())

avg_age = df.loc[df['gender'] == 0].age.mean()

print(df.loc[ (df['age'] < avg_age) & (df['gender'] == 0) ])

# 取全班得平均年龄

print(df.age.mean())

# 全班年龄求个

print(df.age.sum())

# 获取男生得年龄求和

print(df.loc[df['gender']==1].age.sum())

# 取全班年龄最小

print(df.age.min())

# 或者 |

print(df.loc[(df['gender'] == 0) | (df['gender'] == 1)])

# 获取人数

print(df.id.count())

# 排除法

print(df.loc[(df['gender'] != 0) & (df['gender'] != 1)])

# 修改操作

df.loc[1,'gender'] = 1

print(df)

df.loc[0,'age'] = 10

print(df)

# 取单值

print(df.loc[5,'name'])

# 获取指定字段

print(df.loc[df['gender'] == 1 , ['id','name','age','height']])

# 将dataframe写入数据表 表名，数据引擎 索引是否入库

df.to_sql('student_copy',engine,index=False)

# 导出excel文件

# df.to_excel('student.xlsx')

# print(Student.objects.all())

 

参考数据库表：