python数据统计，总数，平均值等

一般我们进行数据统计的时候要进行数据摸查，可能是摸查整体的分布情况啊。平均值，标准差，总数，各分段的人数啊。这时候用excel或者数据库统计都不方便。

我要统计的一个文件，太大了，还得分成15个文件，结果导一个进mysql都要导很久。再mysql进行编程，执行更久，很费事。

但是用python直接统计就很方便啦。

 @author: pc
 """
 import matplotlib as mpb
 import pandas as  pd
 import pylab as pl
 import numpy as np
 #读取文件
 #mnames=[' product_type','phone_num',' flow_total',' flow_used', 'phone_total',' phone_used' ]
 mnames=['time']
 product=pd.read_table('C:\\Users\\pc\\Desktop\\time.txt',encoding='utf-8',sep='|',header=None,names=mnames)
 # print(product['product_subtotal'])
 #选取产品小计列
 time=product['time']
 #按分位数划分区间
 cats=pd.qcut(time,[0,0.2,0.4,0.6,0.8,1.0])
 # print(cats)
 # print(pd.value_counts(cats))
 # print(product_subtotal)
 count=time.value_counts()
 #写入csv文件
 count.to_csv('C:\\Users\\pc\\Desktop\\counts9.csv')
 #输出描述性统计结果
 print(time.describe())
 #根据电话号码查询某行的值
 #num=product['phone_num']
 #print(product[product['phone_num']==18948482538])
 bins=np.arange(0,5000,100)
 pl.hist(time, bins)

但是这是适合一个一个文件算，如果存在多个文件，我们可以使用python合并后计算。

#-*-coding:utf-8-*-

import codecs
import os
filepath = "E:\\workspace\\test\\source\\usebill\\" #把要合并的文件放入一个文件夹
flist = os.listdir(filepath)
fileWrite =codecs.open("../source/alluse.txt",'w+','utf-8')#编码方便
for file in flist:
    child = os.path.join('%s%s'%(filepath,file))#连接路径
    print(child)
    fh = codecs.open(child,'r','utf-8')
    for line in fh.readlines():
        fileWrite.write(line)
fileWrite.close()

import pandas as pd
product=pd.read_table('..\\source\\alluse.txt',encoding='utf-8',sep='|',header=None)
print(product[5][:10])
print(product[5].describe())

再说下编码一个小问题吧。多数的挖掘在unicode文件进行，f=open('XXXXX', 'r')
content=f.read().decode('utf-8')这是解码成unicode

参考  文件(gbk, utf-8...)   decode 成为   unicode 文件  编码  encode- 成为  文件(gbk, utf-8...)