要准备的数据文件

1. olympics.csv

   链接：https://pan.baidu.com/s/1Iygq4Ssf_hf_U3jpBLXKvw
   提取码：b0ye
   复制这段内容后打开百度网盘手机App，操作更方便哦

2. Summer Olympic medallists 1896 to 2008 - IOC COUNTRY CODES.csv

   链接：https://pan.baidu.com/s/1VgHtkWWpSf7TkQsxtfGqNw
   提取码：5d1n
   复制这段内容后打开百度网盘手机App，操作更方便哦

一.DataFrames和Series

import pandas as pd

# 读取准备的数据文件 
# read_csv接收两个参数：'data/olympics.csv'：要读取的文件路径、skiprows：读取跳过文件的行数
oo = pd.read_csv('data/olympics.csv',skiprows=4)

1.DataFrames

1. 全部读进来的数据（太多截不全）
   
   
2. 选取大于一个列的数据（太多截不全）
   
   

2.Series

1. 一列数据（太多截不全）
   
   
2. 一行数据
   
   

• 小结：
  • 多组数据是DataFrame类型
  • 只有一行或一列数据是Series类型

二.数据输入与验证

1.pandas输入属性

# 一般只设置路径 如果读入数据开头不是表的开始 就要用skiprows跳过开头几行
pd.read_csv('./data/olympics.csv',skiprows=4)

• 如果要查看.read_csv()的详细属性 可以用在参数的括号里用 “Shift+Tab” 查看
  

2.Shape属性

3.head和tail

1. head(n)：读取开头的前n个数据 默认5个
   
2. tail(n)：读取结尾的后n个数据 默认5个
   

4.info方法

• 输出pands读取数据的每个字段的属性
  

5.describe方法

• 读取出数字属性（int64、float64…)的统计特性
  

三.基本数据分析

1.数据频率统计-value_counts方法

1. 不指定其他参数

   # 计算Edition（比赛年份）每个不同值得出现频率 默认降序排序
   # oo.Edition 和 oo['Edition']等价
   # 之后还以连续调用，比如 oo.Edition.value_counts().head(3)
   oo.Edition.value_counts()
   

   
2. 指定部分参数

   # ascending：是否升序排序（默认False）、dropna：是否忽略为空的参数
   oo.Gender.value_counts(ascending=True,dropna=False)
   

   

2.数据排序-sort_values方法

1. 根据一个属性排序

   # 根据运动员名字排序 默认升序
   # 也等价于 oo.sort_values(by='Athlete')
   oo.Athlete.sort_values()
   

   
2. 指定多个属性

   #先根据Edition（比赛年份）排序 如果相同再根据Athlete（运动员名字）排序
   oo.sort_values(by=['Edition','Athlete'])
   

   

3.布尔值索引快速筛选数据

# 获得oo中 Medal（比赛获得的奖牌）是Gold（金牌）的数据
# 也可以有多个条件用'&'、'|' 拼接， 如：oo[ ( ) & ( ) | ( ) ]
oo[oo.Medal == 'Gold']

4.字符串处理–模糊查询

# 获得oo中 Athlete（运动员名字）包含"Florence" 的数据
oo[oo.Athlete.str.contains('Florence')]

5.筛选要的属性

# 根据Edition（年份）取得频率的降序排序之后 只保留指定的属性
oo.sort_values('Edition',ascending=False)[['City','Edition','Athlete','NOC']]

四.数据索引

1.索引概述

1. 默认索引：每一行数据前面的数字
   
2. 通过元素个数获取索引的值
   
3. 索引类型
   

2.数据索引的设置方式

#用set_index 此时返回一个Athlete索引的pandas 但并没有修改自身
oo.set_index('Athlete')

#要是想改变自身的索引而不是返回一个改变之后的新的数据 那么设置属性inplace=True
oo.set_index('Athlete',inplace=True)

3.索引复位

#必须设置inplace=True 不然返回一个复位过的 自身并没改变
oo.reset_index(inplace=True)

4.按索引排序数据

#给oo设置索引后但没设置inplace 所以返回一个新的对象
ath = oo.set_index('Athlete')

#用索引 给每条数据排序 同样要设置inplace覆盖自身
# Athlete是运动员名字 英文单词按首字母排序 其他字符排最后 
ath.sort_index(inplace=True)

#指定排序方式 默认升序 所以英文字母倒叙排序的话 最后面单词的首字母会是其他字符
ath.sort_index(inplace=True,ascending=False)

5.loc数据行索引

1. 通过索引取一条数据
   
2. 通过索引取多条数据
   
3. 如果索引不是默认索引 取法相同
   

6.iloc索引

• 这个根据索引取值是取指定条数的数据 并不是上面那个的索引 无法修改

1. 和loc的区别
   
   
2. 取多条数据（前闭后开）
   

补充：
如果要求数据的条数可以通过索引的个数来求 不可以用pandas的对象.size 来求

#test应该是5条 数据就是上面的数据
test=oo.iloc[5:10]