python数据分析实例,python数据分析实例代码
虽然Python本身可以处理的数据类型相对有限，但是numpy、pandas、xarray等库都引入了丰富的数据类型，扩展了Python在数据处理领域的用途。
1.1 Python数据类型
Python3有六种标准数据类型number。
、string(字符串)、list(列表)、tuple(设置)、set(字典)。
不可变的数据类型为number(数字)、string(字符串)和tuple。可变数据也是list、dict、set三种类型。
六种数据类型至少有一些内置函数。例如，如果需要向列表类型添加数据，请使用以下函数：
A.append(x) x是要追加的数字，a是要追加的数据列表，append是嵌入列表类型的函数。
数据类型及其内置函数有很多，这里就不一一列举了。值得学习的童鞋可以用“数字内置函数”等关键词学习百度~
对于number类型，Python3支持int(整数)、float(浮点)、bool(逻辑判定、1或0)、complex)。
1.2 Python数据类型转换Python自带了几种数据类型之间的转换功能。通常使用以下函数。
功能
解释
Is int(x)
将x转换为整数
它在漂浮
将x转换为浮点数
Str(x)是
将X转换为字符串
它是元组
将序列转换成元组
列表)。
将序列转换成列表
集合)。
转换为变量集
这是字典(d)
做一本字典。并且必须以(键，值)元组顺序输入。
这是免费的
转换成不变集
是chr(x)
将整数转换为字符
是顺序(x)
将字符转换为Ascii值
是十六进制(x)
将整数转换为十六进制字符串。
是oct(x)
将整数转换成八进制字符串。
1.3 zydsbPython 3内置了相当丰富的zydsb。即使其他语言需要通过函数进行运算，Python也可以简单地使用zydsb来达到目的。
算术zydsb
Python的算术zydsb包括众所周知的加减乘除(
zydsb
意义
%
取模型并返回除法的余数。
**
动力操作
//
向下舍入除法
逻辑zydsb
除了众所周知的(，()=)，还要注意判定等式或不等式的写法。
zydsb
意义
==
代表平等
啊！=
不等于
很多人学习python，不知道从何入手。
学完python，掌握了基本语法，很多人不知道去哪里找案例才能学好。
做案例的人大多不知道如何学习更高级的知识。
那么，针对这三类人，我为你提供一个很好的学习平台，免费领取视频教程、电子书、课程源代码！
群QQ:810735403
赋值zydsb：
此外，Python是自由和灵活的，因为它定义了一系列灵活的算术表示。
标志
意义
=
估价
=
附加值zydsb
-=
减法值zydsb
*=
乘法值zydsb
//
zydsb分部
%=
类型赋值zydsb
**=
功率值zydsb
//=
整数除法赋值
使用方法如下
X=1相当于以下内容
x=x 1的其余部分可以类似类推。
逻辑zydsb
zydsb
意义
一；一个
d
和
或者
或者
不
表示“不”
此外，Python中还引入了成员zydsb和标识zydsb。它常用于编写循环和条件判断：
成员zydsb:
zydsb
意义
在
确定序列中是否有成员X，是则返回真。
不在
判断序列中是否有成员X，如果没有则返回True。
举一个循环中用到的栗子的例子：
A=[1，2，3，4，5]for each in a:print(a)get:
身份zydsb:
zydsb
意义
存在
确定是否从一个对象引用了两个标识符。
不是
确定这两个标识符是否引用不同的对象。
还有位zydsb，气象学上不常用：
zydsb
意义
按位and zydsb
按bit或zydsb
^
按位异或zydsb
~
逐位反转
左移zydsb
向右移动zydsb
2.numpy库有没有感觉Python本身的数据类型太少，面对各种数据根本不够用？没错，bzdsg也有同感，于是numpy库登场了。Numpy支持的数据类型比Python内置的多得多，基本可以对应C语言的数据类型。这些类型包括：
名字
形容
布尔_
布尔类型(真或假)
int_
默认整数类型(类似于C中的long、int32或int64)
中断控制器
与c #的int类型一样，它通常是int32或int 64。
新生儿同种免疫性血小板减少性紫癜
用于索引的整数类型(类似于C的ssize_t，通常仍然是int32或int64)
int8
字节(-128到127)
int16
整数(-32768到32767)
int32
整数(-2147483648到2147483647)
int64
整数(-9223372036854775808到922372036854775807)
uint8
无符号整数(0到255)
uint16
无符号整数(0到65535)
uint32
无符号整数(0到4294967295)
uint64
无符号整数(0到18446744073709551615)
浮动_
float64型的缩写
浮动16
半精度浮点数，包括：1个符号位、5个指数位和10个尾数位。
float32
单精度浮点数，包括：1个符号位、8个指数位和23个尾数位。
float64
双精度浮点数，包括：1个符号位、11个指数位和52个尾数位。
复杂_
28位复杂类型的缩写
复杂64
复数，表示双32位浮点数(实部和虚部)
复杂128
复数，表示双64位浮点数(实部和虚部
通过numpy库的数据类型转换也可以通过函数来完成，但是没有以前那么繁琐了，可以通过astype()函数来完成。使用方法如栗子所示：
将numpy作为NPA=NP导入。arange (0，1，0.1) b=NP。astype (int )。此外，numpy库增加了不少与计算和统计相关的功能，包括但不限于：
功能
意义
sqrt()
平方根
sin() cos()
三角函数
abs()
绝对值
日志/日志1/日志2()
对数函数
exp()
指数函数
累计和()
累积总和
累计产品()
累积正交
总和()
求和
平均值()
求平均值
南均值
求除nan值(气象学中的缺失值)以外的平均值
中位数()
中位数
标准()
标准偏差
风险值()
变化
corrcoef()
相关系数
更多信息请查看官网界面：www.numpy.org.cn/reference/
3.pandas库numpy虽然有各种优点，但也有自己的缺点，比如对结构化数据的访问和处理不够灵活，于是基于numpy库的熊猫库应运而生。
Pandas库引入了两种基本的数据访问方式：序列和数据帧。
Pandas的数据类型和numpy一样，包括：string type:object；整数类型：Int64、Int32、Int16、Int8；无符号整数：UInt64、UInt32、UInt16、UInt8；浮点数的类型：float64，float32；以及日期和时间类型：datetime64[ns]，datetime64[ns，tz]，time delta[ns]；布尔类型：bool。
数据转换函数和numpy一样，都是astype()，用法也差不多。
常用的计算函数有：
功能
意义
计数()
统计数字
总和()
求和
平均值()
求平均值
疯狂()
平均绝对方差
argmin()
最小值的索引位置
idxmin()
每列最小值的行索引。
模式()
方式
封面()
协方差
更正()
相关系数
pct_change()
时间序列变化
abs()
绝对值
扫描电镜()
标准误差
倾斜()
偏斜系数
硬质涂层()
峰度系数
更多信息可以在www.pypandas.cn/docs/,官网找到
4.Xarray、netCDF4等库气象数据有其独特性，所以在之前熊猫等数据库的基础上，开发了Xarray、netCDF4等数据库，在处理气象数据方面有很大的优势。
Xarray提供了一种非常灵活的索引方法，结合了numpy和pandas的优点进行数据存储。气象之家biubiubiu123童鞋的博客，有助于Xarray库在气象方面的应用。将链接复制到粘贴目录：bbs.06climate.com/forum.php? mod=viewthreadtid=94639 .Xarray的官网链接是：xarray.pydata.org/en/stable/index.html.机智的朋友可以按照本文之前整理其他库的逻辑，从数据类型、数据转换、计算函数三个方面学习。边肖在此不再赘述。(否则篇幅太长)
同样，netCDF4库的github主页链接：github.com/Unidata/netcdf4-python.
在这里，我想推荐一下我自己的Python开发交流学习(qq)群：810735403。都是学Python开发的。如果你正在学习Python，欢迎你的加入。大家都是软件开发党，不定期分享干货(仅与Python软件开发相关)，包括一份2021年最新的Python进阶资料和自己编的进阶开发教程。欢迎进阶和想深入Python的人！
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。