工業(yè)產(chǎn)品產(chǎn)量統(tǒng)計(jì)分析——pandas統(tǒng)計(jì)分析基礎(chǔ)1分析工業(yè)產(chǎn)品產(chǎn)量數(shù)據(jù)的基本情況目錄讀取工業(yè)產(chǎn)品產(chǎn)量數(shù)據(jù)2分析一定時(shí)間周期內(nèi)工業(yè)產(chǎn)品產(chǎn)量變化情況3工業(yè)產(chǎn)品產(chǎn)量數(shù)據(jù)統(tǒng)計(jì)分析4任務(wù)描述自2008年至2023年，中國(guó)工業(yè)產(chǎn)品產(chǎn)量經(jīng)歷了持續(xù)增長(zhǎng)和變化，加快建設(shè)制造強(qiáng)國(guó)，反映了中國(guó)工業(yè)部門的發(fā)展與變革。隨著中國(guó)經(jīng)濟(jì)的快速發(fā)展和工業(yè)化進(jìn)程的推進(jìn)，工業(yè)產(chǎn)品產(chǎn)量數(shù)據(jù)成為了評(píng)估和監(jiān)測(cè)中國(guó)工業(yè)經(jīng)濟(jì)狀況的重要指標(biāo)之一。讀取如右表（部分）的工業(yè)產(chǎn)品產(chǎn)量數(shù)據(jù)，以便于后續(xù)進(jìn)行進(jìn)一步的分析。任務(wù)分析使用pandas庫(kù)讀取存儲(chǔ)工業(yè)產(chǎn)品產(chǎn)量數(shù)據(jù)文件。讀取工業(yè)產(chǎn)品產(chǎn)量數(shù)據(jù)工業(yè)產(chǎn)品名稱時(shí)間產(chǎn)量原煤產(chǎn)量當(dāng)期值/萬(wàn)噸2023年12月41430.7原油產(chǎn)量當(dāng)期/萬(wàn)噸2023年12月1764.7天然氣產(chǎn)量當(dāng)期/億立方米2023年12月208.6原鹽產(chǎn)量當(dāng)期/萬(wàn)噸2023年12月401.7精制食用植物油產(chǎn)量當(dāng)期/萬(wàn)噸2023年12月497.3成品糖產(chǎn)量當(dāng)期/萬(wàn)噸2023年12月270.8啤酒產(chǎn)量當(dāng)期/萬(wàn)千升2023年12月214.8pandas是Python的核心數(shù)據(jù)分析支持庫(kù)，提供了快速、靈活、明確的數(shù)據(jù)結(jié)構(gòu)，旨在簡(jiǎn)單、直觀地處理關(guān)系型、標(biāo)記型數(shù)據(jù)。pandas建造在NumPy之上，所以使得pandas在以NumPy為中心的應(yīng)用中得以容易的使用，而pandas庫(kù)在與其它第三方科學(xué)計(jì)算支持庫(kù)結(jié)合時(shí)也能夠完美的進(jìn)行集成。在Python中，pandas庫(kù)的功能十分強(qiáng)大，它可提供高性能的矩陣運(yùn)算?？捎糜跀?shù)據(jù)挖掘和數(shù)據(jù)分析，同時(shí)也提供數(shù)據(jù)清洗功能；支持類似SQL的數(shù)據(jù)增、刪、查、改等操作，并且?guī)в胸S富的數(shù)據(jù)處理函數(shù)；支持時(shí)間序列數(shù)據(jù)分析功能；支持靈活處理缺失數(shù)據(jù)等。認(rèn)識(shí)pandas庫(kù)pandas有兩個(gè)強(qiáng)大的利器。Series（一維數(shù)據(jù)）是一種類似于一維數(shù)組的對(duì)象，是由一組數(shù)據(jù)（各種NumPy數(shù)據(jù)類型）以及一組與之相關(guān)的數(shù)據(jù)標(biāo)簽（即索引）組成，而僅由一組數(shù)據(jù)也可產(chǎn)生簡(jiǎn)單的Series對(duì)象。DataFrame是pandas中的一個(gè)表格型的數(shù)據(jù)結(jié)構(gòu)，包含有一組有序的列，每列可以是不同的值類型（數(shù)值、字符串、布爾型等），DataFrame既有行索引也有列索引，可以被看做是由Series組成的字典。認(rèn)識(shí)pandas庫(kù)文本文件是一種由若干行字符構(gòu)成的計(jì)算機(jī)文件，它是一種典型的順序文件。CSV是一種用分隔符分隔的文件格式，因?yàn)槠浞指舴灰欢ㄊ嵌禾?hào)，所以又被稱為字符分隔文件。文本文件以純文本形式存儲(chǔ)表格數(shù)據(jù)（數(shù)字和文本），它是一種通用、相對(duì)簡(jiǎn)單的文件格式，較廣泛地應(yīng)用是在程序之間轉(zhuǎn)移表格數(shù)據(jù)，而這些程序本身是在其他程序不兼容的格式上進(jìn)行操作的（往往是私有的、無(wú)通用規(guī)范的格式）。大量程序都支持CSV或其變體，所以CSV或其變體可以作為大多數(shù)程序的輸入和輸出格式。讀/寫文本文件CSV文件根據(jù)其定義也是一種文本文件。在數(shù)據(jù)讀取過程中可以使用文本文件的讀取函數(shù)對(duì)CSV文件進(jìn)行讀取。同時(shí)，如果文本文件是字符分隔文件，那么可以使用讀取CSV文件的函數(shù)進(jìn)行讀取。pandas提供了read_table()函數(shù)讀取文本文件，提供了read_csv()函數(shù)讀取CSV文件。讀/寫文本文件1.文本文件讀取read_table()函數(shù)和read_csv()函數(shù)具有許多參數(shù)，如果有多個(gè)<expression>，那么表達(dá)式之間用逗號(hào)隔開，基本使用格式如下。讀/寫文本文件pandas.read_table(filepath_or_buffer,*,sep=_NoDefault.no_default,delimiter=None,header='infer',names=_NoDefault.no_default,index_col=None,usecols=None,dtype=None,engine=None,converters=None,true_values=None,false_values=None,skipinitialspace=False,skiprows=None,skipfooter=0,nrows=None,na_values=None,keep_default_na=True,na_filter=True,verbose=_NoDefault.no_default,skip_blank_lines=True,parse_dates=False,infer_datetime_format=_NoDefault.no_default,keep_date_col=_NoDefault.no_default,date_parser=_NoDefault.no_default,date_format=None,dayfirst=False,cache_dates=True,iterator=False,chunksize=None,compression='infer',thousands=None,decimal='.',lineterminator=None,quotechar='"',quoting=0,doublequote=True,escapechar=None,comment=None,encoding=None,encoding_errors='strict',dialect=None,on_bad_lines='error',delim_whitespace=_NoDefault.no_default,low_memory=True,memory_map=False,float_precision=None,storage_options=None,dtype_backend=_NoDefault.no_default)讀/寫文本文件pandas.read_csv(filepath_or_buffer,*,sep=_NoDefault.no_default,delimiter=None,header='infer',names=_NoDefault.no_default,index_col=None,usecols=None,dtype=None,engine=None,converters=None,true_values=None,false_values=None,skipinitialspace=False,skiprows=None,skipfooter=0,nrows=None,na_values=None,keep_default_na=True,na_filter=True,verbose=_NoDefault.no_default,skip_blank_lines=True,parse_dates=None,infer_datetime_format=_NoDefault.no_default,keep_date_col=_NoDefault.no_default,date_parser=_NoDefault.no_default,date_format=None,dayfirst=False,cache_dates=True,iterator=False,chunksize=None,compression='infer',thousands=None,decimal='.',lineterminator=None,quotechar='"',quoting=0,doublequote=True,escapechar=None,comment=None,encoding=None,encoding_errors='strict',dialect=None,on_bad_lines='error',delim_whitespace=_NoDefault.no_default,low_memory=True,memory_map=False,float_precision=None,storage_options=None,dtype_backend=_NoDefault.no_default)read_table()函數(shù)和read_csv()函數(shù)的多數(shù)參數(shù)相同，它們的常用參數(shù)及其說明如下表。讀/寫文本文件參數(shù)名稱參數(shù)說明filepath_or_buffer接收str。表示文件路徑。無(wú)默認(rèn)值sep接收str。表示分隔符。read_csv函數(shù)默認(rèn)為“,”，read_table函數(shù)默認(rèn)為制表符“Tab”header接收int或列表形式的int。表示將某行數(shù)據(jù)作為列名。默認(rèn)為infernames接收array。表示列名。無(wú)默認(rèn)值index_col接收int、sequence或False。表示索引列的位置，取值為sequence則代表多重索引。默認(rèn)為Noneread_table()函數(shù)和read_csv()函數(shù)的多數(shù)參數(shù)相同，它們的常用參數(shù)及其說明如下表。讀/寫文本文件參數(shù)名稱參數(shù)說明dtype接收字典形式的列名或type_name。表示寫入的數(shù)據(jù)類型（列名為key，數(shù)據(jù)格式為values）。默認(rèn)為Noneengine接收c語(yǔ)言或python語(yǔ)言。表示要使用的數(shù)據(jù)解析引擎。默認(rèn)為Nonenrows接收int。要讀取的文件行數(shù)。默認(rèn)為Noneskiprows接收l(shuí)ist或int或callable。表示讀取數(shù)據(jù)時(shí)跳過開頭的行數(shù)。默認(rèn)為None堅(jiān)持把發(fā)展經(jīng)濟(jì)的著力點(diǎn)放在實(shí)體經(jīng)濟(jì)上，推進(jìn)新型工業(yè)化，加快建設(shè)制造強(qiáng)國(guó)。某公司收集了工業(yè)制品銷售數(shù)據(jù)信息，部分信息如下表。讀/寫文本文件商品ID商品類別訂單時(shí)間銷售量/個(gè)銷售價(jià)格/元10004328類別A2023/3/114:51314710000346類別A2023/3/94:16823910001192類別A2023/3/822:2145310003708類別A2023/2/251:22343根據(jù)工業(yè)制品銷售數(shù)據(jù)表，分別使用read_table()和read_csv()這兩個(gè)函數(shù)讀取數(shù)據(jù)。read_table()函數(shù)和read_csv()函數(shù)應(yīng)注意。sep參數(shù)是指定文本的分隔符，如果分隔符指定錯(cuò)誤，那么在讀取數(shù)據(jù)的時(shí)候，每一行數(shù)據(jù)將連成一片。header參數(shù)用于指定列名，如果header參數(shù)值是None，那么將會(huì)添加一個(gè)默認(rèn)的列名。encoding代表文件的編碼格式，常用的編碼格式有UTF-8、UTF-16、GBK、GB2312、GB18030等。如果編碼格式指定錯(cuò)誤，那么數(shù)據(jù)將無(wú)法讀取，IPython解釋器會(huì)報(bào)解析錯(cuò)誤。讀/寫文本文件文本文件的存儲(chǔ)和讀取類似，對(duì)于結(jié)構(gòu)化數(shù)據(jù)，可以通過pandas庫(kù)中的to_csv()方法實(shí)現(xiàn)以CSV文件格式存儲(chǔ)。to_csv()函數(shù)同樣具有許多參數(shù)，如果有多個(gè)<expression>，那么表達(dá)式之間用逗號(hào)隔開，基本使用格式如下。讀/寫文本文件2.文本文件存儲(chǔ)DataFrame.to_csv(path_or_buf=None,sep=',',na_rep='',float_format=None,columns=None,header=True,index=True,index_label=None,mode='w',encoding=None,compression='infer',quoting=None,quotechar='"',line_terminator=None,chunksize=None,date_format=None,doublequote=True,escapechar=None,decimal='.',errors='strict',storage_options=None)to_csv()方法的常用參數(shù)及其說明如下表。讀/寫文本文件參數(shù)名稱參數(shù)說明path_or_buf接收str。表示文件路徑。默認(rèn)為Nonesep接收str。表示分隔符。默認(rèn)為“,”na_rep接收str。表示缺失值。默認(rèn)為“”columns接收l(shuí)ist。表示寫出的列名。默認(rèn)為Noneheader接收bool或列表形式的str。表示是否將列名寫出。默認(rèn)為Trueindex接收bool。表示是否將行名（索引）寫出。默認(rèn)為Trueindex_label接收sequence或str或false。表示索引名。默認(rèn)為Nonemode接收特定str。表示數(shù)據(jù)寫入模式。默認(rèn)為wencoding接收特定str。表示存儲(chǔ)文件的編碼格式。默認(rèn)為NoneExcel是微軟公司的辦公軟件MicrosoftOffice的組件之一，它可以對(duì)數(shù)據(jù)進(jìn)行處理、統(tǒng)計(jì)分析等操作，廣泛地應(yīng)用于管理、財(cái)經(jīng)和金融等眾多領(lǐng)域，其文件擴(kuò)展名依照程序版本的不同分為以下兩種。MicrosoftOfficeExcel2007之前的版本（不包括2007）默認(rèn)保存的文件擴(kuò)展名為.xls。MicrosoftOfficeExcel2007之后的版本默認(rèn)保存的文件擴(kuò)展名為.xlsx。讀/寫Excel文件pandas庫(kù)提供了read_excel()函數(shù)讀取“xls”和“xlsx”兩種Excel文件，基本使用格式如下。讀/寫Excel文件1.Excel文件讀取pandas.read_excel(io,sheet_name=0,*,header=0,names=None,index_col=None,usecols=None,dtype=None,engine=None,converters=None,true_values=None,false_values=None,skiprows=None,nrows=None,na_values=None,keep_default_na=True,na_filter=True,verbose=False,parse_dates=False,date_parser=_NoDefault.no_default,date_format=None,thousands=None,decimal='.',comment=None,skipfooter=0,storage_options=None,dtype_backend=_NoDefault.no_default,engine_kwargs=None)read_excel()函數(shù)的常用參數(shù)及其說明如下表。讀/寫Excel文件參數(shù)名稱參數(shù)說明io接收str。表示文件路徑。無(wú)默認(rèn)值sheet_name接收str、int、list或None。表示Excel表內(nèi)數(shù)據(jù)的分表位置。默認(rèn)為0header接收int或列表形式的int。表示將某行數(shù)據(jù)作為列名。如果傳遞整數(shù)列表，那么行位置將合并為MultiIndex。如果沒有表頭，那么使用None。默認(rèn)為0names接收array。表示要使用的列名列表。默認(rèn)為Noneindex_col接收int或列表形式的int。表示將列索引用作dataframe的行索引。默認(rèn)為Nonedtype接收dict。表示寫入的數(shù)據(jù)類型（列名為key，數(shù)據(jù)格式為values）。默認(rèn)為Noneskiprows接收l(shuí)ist、int或callable。表示讀取數(shù)據(jù)開頭跳過的行數(shù)。默認(rèn)為None將數(shù)據(jù)存儲(chǔ)至Excel，可以使用to_excel()方法，基本使用格式如下。讀/寫Excel文件2.Excel文件存儲(chǔ)DataFrame.to_excel(excel_writer,*,sheet_name='Sheet1',na_rep='',float_format=None,columns=None,header=True,index=True,index_label=None,startrow=0,startcol=0,engine=None,merge_cells=True,inf_rep='inf',freeze_panes=None,storage_options=None,engine_kwargs=None)to_excel()函數(shù)的常用參數(shù)及其說明如下表。讀/寫Excel文件參數(shù)名稱參數(shù)說明excel_writer接收str。表示文件路徑。無(wú)默認(rèn)值sheet_name接收str。表示Excel文件中工作簿的名稱。默認(rèn)為Sheet1na_rep接收str。表示缺失值。默認(rèn)為“”columns接收列表形式的str或sequence。表示寫出的列名。默認(rèn)為Noneheader接收bool或列表形式的str。表示是否將列名寫出。默認(rèn)為Trueindex接收bool。表示是否將行名（索引）寫出。默認(rèn)為Trueindex_label接收sequence或str。表示索引名。默認(rèn)為None在生產(chǎn)環(huán)境中，絕大多數(shù)的數(shù)據(jù)都存儲(chǔ)在數(shù)據(jù)庫(kù)中。pandas庫(kù)提供了讀取與存儲(chǔ)關(guān)系型數(shù)據(jù)庫(kù)數(shù)據(jù)的函數(shù)與方法。除了pandas庫(kù)外，還需要使用SQLAlchemy庫(kù)建立對(duì)應(yīng)的數(shù)據(jù)庫(kù)連接。pandas支持MySQL、postgresql、Oracle、SQLServer和SQLite等主流數(shù)據(jù)庫(kù)。SQLAlchemy是配合相應(yīng)數(shù)據(jù)庫(kù)的Python連接工具。MySQL數(shù)據(jù)庫(kù)需要安裝mysqlclient或pymysql庫(kù)。Oracle數(shù)據(jù)庫(kù)需要安裝cx_oracle庫(kù)。使用create_engine()函數(shù)，建立一個(gè)數(shù)據(jù)庫(kù)連接。下面將以MySQL數(shù)據(jù)庫(kù)為例，介紹pandas數(shù)據(jù)庫(kù)數(shù)據(jù)的讀取與存儲(chǔ)。讀/寫數(shù)據(jù)庫(kù)數(shù)據(jù)pandas可實(shí)現(xiàn)數(shù)據(jù)庫(kù)數(shù)據(jù)的讀取，但前提是讀者在進(jìn)行讀取操作前確保已安裝數(shù)據(jù)庫(kù)，并且數(shù)據(jù)庫(kù)可以正常打開及使用。進(jìn)行數(shù)據(jù)庫(kù)的讀取可利用3種函數(shù)進(jìn)行操作。read_sql_table()函數(shù)只能讀取數(shù)據(jù)庫(kù)的某一個(gè)表格，不能實(shí)現(xiàn)查詢的操作。read_sql_query()函數(shù)則只能實(shí)現(xiàn)查詢操作，不能直接讀取數(shù)據(jù)庫(kù)中的某個(gè)表。read_sql()函數(shù)是兩者的綜合，既能夠讀取數(shù)據(jù)庫(kù)中的某一個(gè)表，也能夠?qū)崿F(xiàn)查詢操作。讀/寫數(shù)據(jù)庫(kù)數(shù)據(jù)1.數(shù)據(jù)庫(kù)數(shù)據(jù)讀取read_sql_table()函數(shù)、read_sql_query()函數(shù)和read_sql()函數(shù)具有許多參數(shù)，參數(shù)的表達(dá)式之間用逗號(hào)隔開，基本使用格式如下。讀/寫數(shù)據(jù)庫(kù)數(shù)據(jù)pandas.read_sql_table(table_name,con,schema=None,index_col=None,coerce_float=True,parse_dates=None,columns=None,chunksize=None,dtype_backend=_NoDefault.no_default)pandas.read_sql_query(sql,con,index_col=None,coerce_float=True,params=None,parse_dates=None,chunksize=None,dtype=None,dtype_backend=_NoDefault.no_default)pandas.read_sql(sql,con,index_col=None,coerce_float=True,params=None,parse_dates=None,columns=None,chunksize=None,dtype_backend=_NoDefault.no_default,dtype=None)read_sql_table()、read_sql_query()和read_sql()這3個(gè)數(shù)據(jù)庫(kù)數(shù)據(jù)讀取函數(shù)的參數(shù)幾乎完全一致，唯一的區(qū)別在于傳入的是語(yǔ)句還是表名。3個(gè)函數(shù)的參數(shù)及其說明如下表。讀/寫數(shù)據(jù)庫(kù)數(shù)據(jù)參數(shù)名稱參數(shù)說明sqlortable_name接收str。表示讀取的數(shù)據(jù)的表名或SQL語(yǔ)句。無(wú)默認(rèn)值con接收數(shù)據(jù)庫(kù)連接或str。表示數(shù)據(jù)庫(kù)連接信息。無(wú)默認(rèn)值index_col接收str或列表形式的str。表示列設(shè)置為索引。默認(rèn)為Nonecoerce_float接收bool。表示嘗試將非字符串、非數(shù)字對(duì)象（如十進(jìn)制）的值轉(zhuǎn)換為浮點(diǎn)。默認(rèn)為Truecolumns接收l(shuí)ist。表示要從SQL表中選擇的列名列表。默認(rèn)為None在讀取數(shù)據(jù)庫(kù)數(shù)據(jù)前，需要先創(chuàng)建數(shù)據(jù)庫(kù)連接。Python提供了SQLAlchemy庫(kù)的create_engine函數(shù)用于創(chuàng)建數(shù)據(jù)庫(kù)連接，在creat_engine函數(shù)中輸入的是一個(gè)連接字符串。在使用Python的SQLAlchemy時(shí)，MySQL和Oracle數(shù)據(jù)庫(kù)連接字符串的格式如下。讀/寫數(shù)據(jù)庫(kù)數(shù)據(jù)數(shù)據(jù)庫(kù)產(chǎn)品名+連接工具名：//用戶名:密碼@數(shù)據(jù)庫(kù)IP地址:數(shù)據(jù)庫(kù)端口號(hào)/數(shù)據(jù)庫(kù)名稱？charset=數(shù)據(jù)庫(kù)數(shù)據(jù)編碼格式將DataFrame寫入數(shù)據(jù)庫(kù)中，同樣也要依賴SQLAlchemy庫(kù)的create_engine函數(shù)創(chuàng)建數(shù)據(jù)庫(kù)連接。數(shù)據(jù)庫(kù)數(shù)據(jù)讀取有3個(gè)函數(shù)，但數(shù)據(jù)存儲(chǔ)則只有一個(gè)to_sql()方法。to_sql()方法的基本使用格式如下。讀/寫數(shù)據(jù)庫(kù)數(shù)據(jù)2.數(shù)據(jù)庫(kù)數(shù)據(jù)存儲(chǔ)DataFrame.to_sql(name,con,schema=None,if_exists='fail',index=True,index_label=None,chunksize=None,dtype=None,method=None)to_sql()函數(shù)的常用參數(shù)及其說明如下表。讀/寫Excel文件參數(shù)名稱參數(shù)說明name接收str。表示數(shù)據(jù)庫(kù)表名。無(wú)默認(rèn)值con接收數(shù)據(jù)庫(kù)連接。表示數(shù)據(jù)庫(kù)連接信息。無(wú)默認(rèn)值if_exists接收str。表示對(duì)表進(jìn)行操作的方式，可選“fail”“replace”“append”。fail表示如果表名存在，那么不執(zhí)行寫入操作；replace表示如果表名存在，那么將原數(shù)據(jù)庫(kù)表刪除，再重新創(chuàng)建；append則表示在原數(shù)據(jù)庫(kù)表的基礎(chǔ)上追加數(shù)據(jù)。默認(rèn)為failindex接收bool。表示是否將DataFrame索引寫入列并使用index_Label作為表中的列名。默認(rèn)為Trueindex_label接收str或sequence。表示索引列的列標(biāo)簽。如果沒有給定（默認(rèn)）且索引為True，那么使用索引名稱。如果DataFrame使用MultiIndex，那么應(yīng)該給出序列。默認(rèn)為Nonedtype接收dict或scalar。表示指定列的數(shù)據(jù)類型。默認(rèn)為None1分析工業(yè)產(chǎn)品產(chǎn)量數(shù)據(jù)的基本情況目錄讀取工業(yè)產(chǎn)品產(chǎn)量數(shù)據(jù)2分析一定時(shí)間周期內(nèi)工業(yè)產(chǎn)品產(chǎn)量變化情況3工業(yè)產(chǎn)品產(chǎn)量數(shù)據(jù)統(tǒng)計(jì)分析4任務(wù)描述對(duì)工業(yè)產(chǎn)品產(chǎn)量數(shù)據(jù)進(jìn)行描述性分析。任務(wù)分析（1）通過size、ndim和shape屬性查看工業(yè)產(chǎn)品產(chǎn)量數(shù)據(jù)的整體情況。（2）工業(yè)產(chǎn)品產(chǎn)量數(shù)據(jù)缺失值檢測(cè)和處理。（3）對(duì)工業(yè)產(chǎn)品產(chǎn)量數(shù)據(jù)進(jìn)行描述性分析。分析工業(yè)產(chǎn)品產(chǎn)量數(shù)據(jù)的基本情況DataFrame的基礎(chǔ)屬性如下。values，可以獲取元素；index，可以獲取索引；column，可以獲取列名；dtypes，可以獲取數(shù)據(jù)類型。除了上述4個(gè)基本屬性外，還可以通過size、ndim和shape屬性獲取DataFrame的元素個(gè)數(shù)、維度數(shù)和數(shù)據(jù)形狀（行列數(shù)目）。T屬性能夠?qū)崿F(xiàn)DataFrame的轉(zhuǎn)置（行列轉(zhuǎn)換）。在某些特殊場(chǎng)景下，某些函數(shù)或方法只能作用于列或行，此時(shí)即可試著用轉(zhuǎn)置來解決這一問題。查看DataFrame的常用屬性學(xué)習(xí)過數(shù)據(jù)庫(kù)相關(guān)知識(shí)的讀者都知道，在數(shù)據(jù)庫(kù)中最常使用的操作為查改增刪。DataFrame作為一種二維數(shù)據(jù)表結(jié)構(gòu)，能夠像數(shù)據(jù)庫(kù)一樣實(shí)現(xiàn)查改增刪操作，如添加一行、刪除一行、添加一列、刪除一列、修改某一個(gè)值、某個(gè)區(qū)間的值替換等。查看訪問DataFrame中的數(shù)據(jù)除了可以使用基本的查看方式查看訪問DataFrame中的數(shù)據(jù)之外，還可以通過loc()方法和iloc()方法進(jìn)行訪問。（1）DataFrame數(shù)據(jù)的基本查看方式DataFrame的單列數(shù)據(jù)為一個(gè)Series。根據(jù)DataFrame的定義可知，DataFrame是一個(gè)帶有標(biāo)簽的二維數(shù)組，每個(gè)標(biāo)簽相當(dāng)于每一列的列名。只要以字典訪問某一個(gè)key的值的方式使用對(duì)應(yīng)的列名，即可實(shí)現(xiàn)對(duì)單列數(shù)據(jù)的訪問當(dāng)訪問DataFrame數(shù)據(jù)中某一列的某幾行數(shù)據(jù)時(shí)，單獨(dú)一列的DataFrame可以視為一個(gè)Series，而訪問Series基本和訪問一維的ndarray相同。查改增刪DataFrame數(shù)據(jù)訪問DataFrame多列數(shù)據(jù)時(shí)可以將多個(gè)列索引名稱放入一個(gè)列表，同時(shí)，訪問DataFrame多列數(shù)據(jù)中的多行數(shù)據(jù)和訪問單列數(shù)據(jù)的多行數(shù)據(jù)的方法基本相同。如果只是需要訪問DataFrame某幾行數(shù)據(jù)，那么實(shí)現(xiàn)方式和上述的訪問多列多行的方式相似，選擇所有列，使用“:”代替即可。除了使用上述方法能夠得到多行數(shù)據(jù)以外，通過DataFrame提供的方法head()和tail()也可以得到多行數(shù)據(jù)，但是用這兩種方法得到的數(shù)據(jù)都是從開始或末尾獲取的連續(xù)數(shù)據(jù)。head()方法和tail()方法使用的都是默認(rèn)參數(shù)，所以訪問的是前、后5行。在方法后的“()”中輸入訪問行數(shù)，即可實(shí)現(xiàn)目標(biāo)行數(shù)的查看。查改增刪DataFrame數(shù)據(jù)DataFrame的數(shù)據(jù)查看與訪問基本方法雖然能夠基本滿足數(shù)據(jù)查看要求，但是終究還是不夠靈活。pandas提供了loc()和iloc()兩種更加靈活的方法來實(shí)現(xiàn)數(shù)據(jù)訪問。loc()方法是針對(duì)DataFrame索引名稱的切片方法，如果傳入的不是索引名稱，那么切片操作將無(wú)法執(zhí)行。利用loc()方法，能夠?qū)崿F(xiàn)對(duì)所有單層索引的切片操作。iloc()方法接收的必須是行索引和列索引的位置。查改增刪DataFrame數(shù)據(jù)（2）DataFrame的loc、iloc訪問方式loc()方法和iloc()方法基本使用格式如下。查改增刪DataFrame數(shù)據(jù)DataFrame.loc[行索引名稱或條件,列索引名稱]DataFrame.iloc[行索引位置,列索引位置]使用loc()方法和iloc()方法可以對(duì)DataFrame進(jìn)行多種操作。單列切片。多列切片，其原理是將多列的列名或位置作為一個(gè)列表或數(shù)據(jù)傳入。取出DataFrame中的任意數(shù)據(jù)。在使用loc()方法的時(shí)候，如果內(nèi)部傳入的行索引名稱為一個(gè)區(qū)間，那么前后均為閉區(qū)間。而使用iloc()方法時(shí)，如果內(nèi)部傳入的行索引位置或列索引位置為區(qū)間，那么為前閉后開區(qū)間。查改增刪DataFrame數(shù)據(jù)loc()方法的內(nèi)部還可以傳入表達(dá)式，結(jié)果會(huì)返回滿足表達(dá)式的所有值。iloc()方法不能接收表達(dá)式，原因在于，iloc()方法可以接收的數(shù)據(jù)類型并不包括Series。根據(jù)Series的構(gòu)成，應(yīng)取出該Series的values?？傮w來說，loc()方法更加靈活多變，代碼的可讀性更高；iloc()方法的代碼簡(jiǎn)潔，但可讀性不高。在數(shù)據(jù)分析工作中具體使用哪一種方法，應(yīng)根據(jù)情況而定，大多數(shù)時(shí)候建議使用loc()方法。查改增刪DataFrame數(shù)據(jù)更改DataFrame中的數(shù)據(jù)的原理是將這部分?jǐn)?shù)據(jù)提取出來，重新賦值為新的數(shù)據(jù)。需要注意的是，數(shù)據(jù)更改是直接對(duì)DataFrame原數(shù)據(jù)更改，操作無(wú)法撤銷。如果不希望直接對(duì)原數(shù)據(jù)做出更改，那么需要對(duì)更改條件進(jìn)行確認(rèn)或?qū)?shù)據(jù)進(jìn)行備份。查改增刪DataFrame數(shù)據(jù)2.更改DataFrame中的數(shù)據(jù)為DataFrame添加一列數(shù)據(jù)的方法非常簡(jiǎn)單，只需要新建一個(gè)列索引，并對(duì)該索引下的數(shù)據(jù)進(jìn)行賦值操作即可。如果新增的一列值是相同的，那么可以直接為其賦值一個(gè)常量。查改增刪DataFrame數(shù)據(jù)3.為DataFrame增添數(shù)據(jù)刪除某列或某行數(shù)據(jù)需要用到pandas提供的方法drop()。drop()方法的基本使用格式如下。查改增刪DataFrame數(shù)據(jù)4.刪除某列或某行數(shù)據(jù)DataFrame.drop(labels=None,*,axis=0,index=None,columns=None,level=None,inplace=False,errors='raise')drop()函數(shù)的常用參數(shù)及其說明如下表。刪除某行數(shù)據(jù)，只需要將drop()方法參數(shù)中的“l(fā)abels”參數(shù)換成對(duì)應(yīng)的行索引，將“axis”參數(shù)設(shè)置為0即可。查改增刪DataFrame數(shù)據(jù)參數(shù)名稱參數(shù)說明labels接收單一標(biāo)簽。表示要?jiǎng)h除的列或行的索引。默認(rèn)值為Noneaxis接收0或1。表示操作的軸向。默認(rèn)為0inplace接收bool。表示操作是否對(duì)原數(shù)據(jù)生效。默認(rèn)為False描述性統(tǒng)計(jì)是用于概括、表述事物整體狀況，以及事物間關(guān)聯(lián)、類屬關(guān)系的統(tǒng)計(jì)方法。通過幾個(gè)統(tǒng)計(jì)值可簡(jiǎn)捷地表示一組數(shù)據(jù)的集中趨勢(shì)和離散程度等。數(shù)值型特征的描述性統(tǒng)計(jì)數(shù)值型特征的描述性統(tǒng)計(jì)主要包括了計(jì)算數(shù)值型數(shù)據(jù)的最小值、均值、中位數(shù)、最大值、四分位數(shù)、極差、標(biāo)準(zhǔn)差、方差、協(xié)方差和變異系數(shù)等。描述分析DataFrame數(shù)據(jù)在NumPy庫(kù)中已經(jīng)提到了為數(shù)不少的統(tǒng)計(jì)函數(shù)，為方便讀者查看，將NumPy庫(kù)簡(jiǎn)寫為np，部分統(tǒng)計(jì)函數(shù)如下表。pandas庫(kù)是基于NumPy庫(kù)的，自然也可以使用表中的統(tǒng)計(jì)函數(shù)對(duì)數(shù)據(jù)進(jìn)行描述性統(tǒng)計(jì)。描述分析DataFrame數(shù)據(jù)函數(shù)名稱參數(shù)說明函數(shù)名稱函數(shù)說明np.min最小值np.max最大值np.mean均值np.ptp極差np.median中位數(shù)np.std標(biāo)準(zhǔn)差np.var方差np.cov協(xié)方差pandas還提供了更加便利的方法來進(jìn)行數(shù)值型數(shù)據(jù)的統(tǒng)計(jì)。用np.mean函數(shù)實(shí)現(xiàn)計(jì)算某列的均值，也可以通過pandas實(shí)現(xiàn)。作為專門為數(shù)據(jù)分析而生的Python庫(kù)，pandas還提供了一個(gè)describe()方法，能夠一次性得出數(shù)據(jù)框中所有數(shù)值型特征如下。非空值數(shù)目。均值。四分位數(shù)。標(biāo)準(zhǔn)差。最大值和最小值。描述分析DataFrame數(shù)據(jù)pandas還提供了與統(tǒng)計(jì)相關(guān)的主要函數(shù)，這些函數(shù)能夠滿足絕大多數(shù)數(shù)據(jù)分析所需要的數(shù)值型特征的描述性統(tǒng)計(jì)工作，統(tǒng)計(jì)方法如下表。描述分析DataFrame數(shù)據(jù)函數(shù)名稱參數(shù)說明函數(shù)名稱函數(shù)說明min最小值max最大值mean均值ptp極差median中位數(shù)std標(biāo)準(zhǔn)差var方差cov協(xié)方差sem標(biāo)準(zhǔn)誤差mode眾數(shù)skew樣本偏度kurt樣本峰度quantile分位數(shù)count非空值數(shù)目describe描述統(tǒng)計(jì)mad平均絕對(duì)離差描述類別型特征的分布狀況，可以使用頻數(shù)統(tǒng)計(jì)。在pandas庫(kù)中實(shí)現(xiàn)頻數(shù)統(tǒng)計(jì)的方法為value_counts()。除了使用value_counts()方法分析頻率分布外，pandas提供了category類，可以使用astype()方法將目標(biāo)特征的數(shù)據(jù)類型轉(zhuǎn)換為category類型。describe()方法除了支持傳統(tǒng)數(shù)值型數(shù)據(jù)以外，還能夠支持對(duì)category類型的數(shù)據(jù)進(jìn)行描述性統(tǒng)計(jì)，4個(gè)統(tǒng)計(jì)量如下。列非空元素的數(shù)目。類別的數(shù)目。數(shù)目最多的類別。數(shù)目最多類別的數(shù)目。描述分析DataFrame數(shù)據(jù)2.類別型特征的描述性統(tǒng)計(jì)1分析工業(yè)產(chǎn)品產(chǎn)量數(shù)據(jù)的基本情況目錄讀取工業(yè)產(chǎn)品產(chǎn)量數(shù)據(jù)2分析一定時(shí)間周期內(nèi)工業(yè)產(chǎn)品產(chǎn)量變化情況3工業(yè)產(chǎn)品產(chǎn)量數(shù)據(jù)統(tǒng)計(jì)分析4任務(wù)描述通過轉(zhuǎn)換時(shí)間字段為標(biāo)準(zhǔn)時(shí)間格式、提取時(shí)間序列信息等操作，全面了解工業(yè)產(chǎn)品產(chǎn)量的變化趨勢(shì)。任務(wù)分析（1）使用to_datetime函數(shù)將“時(shí)間”特征從字符串格式轉(zhuǎn)換為標(biāo)準(zhǔn)時(shí)間格式。（2）提取年份信息，截取2023年的產(chǎn)量數(shù)據(jù)，并計(jì)算2023年各工業(yè)產(chǎn)品的總產(chǎn)量。分析一定時(shí)間周期內(nèi)工業(yè)產(chǎn)品產(chǎn)量變化情況在多數(shù)情況下，對(duì)時(shí)間類型數(shù)據(jù)進(jìn)行分析的前提就是將原本為字符串的時(shí)間轉(zhuǎn)換為標(biāo)準(zhǔn)時(shí)間。pandas繼承了NumPy庫(kù)和datetime庫(kù)的時(shí)間相關(guān)模塊，提供了6種時(shí)間相關(guān)的類如下表。轉(zhuǎn)換字符串時(shí)間為標(biāo)準(zhǔn)時(shí)間函數(shù)名稱參數(shù)說明Timestamp最基礎(chǔ)的時(shí)間類。表示某個(gè)時(shí)間點(diǎn)。絕大多數(shù)的場(chǎng)景中的時(shí)間數(shù)據(jù)都是Timestamp形式Period表示某個(gè)時(shí)間段，如某一天、某一小時(shí)等Timedelta表示不同單位的時(shí)間，如1d、1.5h、3min、4s等，而非具體的某個(gè)時(shí)間段DatetimeIndex一組Timestamp構(gòu)成的Index，可以用于作為Series或DataFrame的索引PeriodIndex一組Period構(gòu)成的Index，可以用于作為Series或DataFrame的索引TimedeltaIndex一組Timedelta構(gòu)成的Index，可以用于作為Series或DataFrame的索引Timestamp是時(shí)間類中較為基礎(chǔ)的，也是較為常用的。在多數(shù)情況下，會(huì)將與時(shí)間相關(guān)的字符串轉(zhuǎn)換成為Timestamp。pandas提供的to_datetime函數(shù)，能夠?qū)崿F(xiàn)這一目標(biāo)。to_datetime函數(shù)的基本使用格式如下。轉(zhuǎn)換字符串時(shí)間為標(biāo)準(zhǔn)時(shí)間pandas.to_datetime(arg,errors='raise',dayfirst=False,yearfirst=False,utc=False,format=None,exact=_NoDefault.no_default,unit=None,infer_datetime_format=_NoDefault.no_default,origin='unix',cache=True)to_datetime()函數(shù)的常用參數(shù)及其說明如下表。轉(zhuǎn)換字符串時(shí)間為標(biāo)準(zhǔn)時(shí)間函數(shù)名稱參數(shù)說明arg接收str、int、float、list、tuple、datetime或array。表示需要轉(zhuǎn)換的時(shí)間日期對(duì)象。無(wú)默認(rèn)值errors接收“ignore”“raise”“coerce”。表示無(wú)效解析。默認(rèn)為raisedayfirst\yearfirst接收bool。表示指定日期的解析順序。默認(rèn)為False值得注意的是，Timestamp類型的時(shí)間是有限制的，在作者計(jì)算機(jī)中最早只能夠表示至1677年9月21日，最晚只能表示至2262年4月11日。除了將數(shù)據(jù)從原始DataFrame中直接轉(zhuǎn)換為Timestamp類型外，還可以將數(shù)據(jù)單獨(dú)提取出來，將其轉(zhuǎn)換為DatetimeIndex類型或PeriodIndex類型。但DatetimeIndex和PeriodIndex在日常使用的過程中并無(wú)太大區(qū)別。DatetimeIndex是用于指代一系列時(shí)間點(diǎn)的一種數(shù)據(jù)結(jié)構(gòu)。PeriodIndex則是用于指代一系列時(shí)間段的數(shù)據(jù)結(jié)構(gòu)。轉(zhuǎn)換字符串時(shí)間為標(biāo)準(zhǔn)時(shí)間DatetimeIndex類與PeriodIndex類的基本使用格式如下。轉(zhuǎn)換字符串時(shí)間為標(biāo)準(zhǔn)時(shí)間classpandas.DatetimeIndex(data=None,freq=_NoDefault.no_default,tz=_NoDefault.no_default,normalize=_NoDefault.no_default,closed=_NoDefault.no_default,ambiguous='raise',dayfirst=False,yearfirst=False,dtype=None,copy=False,name=None)classpandas.PeriodIndex(data=None,ordinal=None,freq=None,dtype=None,copy=False,name=None,**fields)DatetimeIndex可以用于轉(zhuǎn)換數(shù)據(jù)，還可以用于創(chuàng)建時(shí)間序列數(shù)據(jù)，常用參數(shù)及其說明如下表。轉(zhuǎn)換字符串時(shí)間為標(biāo)準(zhǔn)時(shí)間函數(shù)名稱參數(shù)說明data接收類數(shù)組。表示用可選的類似日期時(shí)間的數(shù)據(jù)來構(gòu)造索引。默認(rèn)為Nonefreq接收str。表示一種pandas周期字符串或相應(yīng)的對(duì)象。無(wú)默認(rèn)值tz接收時(shí)區(qū)或str。表示設(shè)置數(shù)據(jù)的時(shí)區(qū)。默認(rèn)為Nonedtype接收Numpy.dtype或DatetimeTZDtype或str。表示數(shù)據(jù)類型。默認(rèn)為NonePeriodIndex可以用于轉(zhuǎn)換數(shù)據(jù)，還可以用于創(chuàng)建時(shí)間序列數(shù)據(jù)，常用參數(shù)及其說明如下表。當(dāng)將數(shù)據(jù)格式轉(zhuǎn)換為PeriodIndex類型時(shí)，需要通過freq參數(shù)指定時(shí)間間隔，常用的時(shí)間間隔參數(shù)值有Y（年）、M（月）、D（日）、H（小時(shí)）、T（分鐘）、S（秒）。Period類用于表示時(shí)間上的一個(gè)區(qū)間或周期，如月份、季度、年份等的時(shí)間間隔，Period比Timestamp更適合用于表示一段時(shí)間的概念，而不僅僅是時(shí)間點(diǎn)。轉(zhuǎn)換字符串時(shí)間為標(biāo)準(zhǔn)時(shí)間函數(shù)名稱參數(shù)說明data接收類數(shù)組。表示用可選的類似周期的數(shù)據(jù)來構(gòu)造索引。默認(rèn)為Nonefreq接收str。表示一種pandas周期字符串或相應(yīng)的對(duì)象。默認(rèn)為Nonedtype接收str或PeriodDtype。表示數(shù)據(jù)類型。默認(rèn)為None在多數(shù)涉及與時(shí)間相關(guān)的數(shù)據(jù)處理、統(tǒng)計(jì)分析的過程中，都需要提取時(shí)間中的年份、月份等數(shù)據(jù)。使用對(duì)應(yīng)的Timestamp類屬性就能夠?qū)崿F(xiàn)這一目的，其常用類屬性及說明如下表。提取時(shí)間序列數(shù)據(jù)信息屬性名稱屬性說明屬性名稱屬性說明year年week一年中第幾周month月quarter季節(jié)day日weekofyear一年中第幾周hour小時(shí)dayofyear一年中的第幾天minute分鐘dayofweek一周第幾天second秒weekday一周第幾天date日期is_leap_year是否閏年time時(shí)間

時(shí)間數(shù)據(jù)的算術(shù)運(yùn)算在現(xiàn)實(shí)中隨處可見，例如，2020年1月1日減一天就是2019年12月31日。pandas的時(shí)間數(shù)據(jù)和現(xiàn)實(shí)生活中的時(shí)間數(shù)據(jù)一樣可以做運(yùn)算。這時(shí)就涉及pandas的Timedelta類。Timedelta是時(shí)間相關(guān)類中的一個(gè)異類，不僅能夠使用正數(shù)，還能夠使用負(fù)數(shù)表示單位時(shí)間，如weeks=1、days=-2等。使用Timedelta類，配合常規(guī)的時(shí)間相關(guān)類能夠輕松實(shí)現(xiàn)時(shí)間的算術(shù)運(yùn)算。加減時(shí)間數(shù)據(jù)在Timedelta類的時(shí)間周期中沒有年和月，所有周期名稱、對(duì)應(yīng)單位及其說明如下表（注：表中單位采用程序定義的符號(hào)，與法定單位符號(hào)可能不一致）。加減時(shí)間數(shù)據(jù)周期名稱單位說明weeks無(wú)星期daysD天hoursh小時(shí)minutesm分secondss秒millisecondsms毫秒microsecondsus微秒nanosecondsns納秒1分析工業(yè)產(chǎn)品產(chǎn)量數(shù)據(jù)的基本情況目錄讀取工業(yè)產(chǎn)品產(chǎn)量數(shù)據(jù)2分析一定時(shí)間周期內(nèi)工業(yè)產(chǎn)品產(chǎn)量變化情況3工業(yè)產(chǎn)品產(chǎn)量數(shù)據(jù)統(tǒng)計(jì)分析4任務(wù)描述對(duì)工業(yè)產(chǎn)品產(chǎn)量數(shù)據(jù)統(tǒng)計(jì)分析，了解各個(gè)產(chǎn)品的產(chǎn)量情況，有助于企業(yè)評(píng)估生產(chǎn)效率和規(guī)劃生產(chǎn)計(jì)劃，幫助企業(yè)了解產(chǎn)量的增長(zhǎng)趨勢(shì)、發(fā)現(xiàn)生產(chǎn)過程中的變化和趨勢(shì)，并更好地把握數(shù)據(jù)的長(zhǎng)期趨勢(shì)和周期性變化，從而提高生產(chǎn)效率和經(jīng)濟(jì)效益。任務(wù)分析（1）對(duì)每個(gè)產(chǎn)品的月產(chǎn)量數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，包括總產(chǎn)量、平均產(chǎn)量、最大值、最小值等。（2）計(jì)算每個(gè)產(chǎn)品的每年年產(chǎn)量增長(zhǎng)率。（3）計(jì)算年份間不同產(chǎn)品的產(chǎn)量變化情況。工業(yè)產(chǎn)品產(chǎn)量數(shù)據(jù)統(tǒng)計(jì)分析groupby()方法提供的是分組聚合步驟中的拆分功能，能夠根據(jù)索引或特征對(duì)數(shù)據(jù)進(jìn)行分組，其基本使用格式如下。groupby()方法拆分?jǐn)?shù)據(jù)DataFrame.groupby(by=None,axis=_NoDefault.no_default,level=None,as_index=True,sort=True,group_keys=True,observed=_NoDefault.no_default,dropna=True)groupby()方法的常用參數(shù)及其說明如下表。groupby()方法拆分?jǐn)?shù)據(jù)函數(shù)名稱參數(shù)說明by接收l(shuí)ist、str、mapping、function或generator。表示用于確定進(jìn)行分組的依據(jù)，若傳入的是一個(gè)函數(shù)，則對(duì)索引進(jìn)行計(jì)算并分組；若傳入的是一個(gè)字典或Series，則字典或Series的值用于作為分組依據(jù)；若傳入一個(gè)NumPy數(shù)組，則數(shù)據(jù)的元素作為分組依據(jù)；若傳入的是字符串或字符串列表，則使用這些字符串所代表的特征作為分組依據(jù)。默認(rèn)為Noneaxis接收0或1。表示操作的軸向。默認(rèn)為0level接收int或索引名。表示標(biāo)簽所在級(jí)別。默認(rèn)為Noneas_index接收bool。表示聚合后的聚合標(biāo)簽是否以DataFrame索引形式輸出。默認(rèn)為Truesort接收bool。表示是否對(duì)分組依據(jù)、分組標(biāo)簽進(jìn)行排序。默認(rèn)為Truegroup_keys接收bool。表示是否顯示分組標(biāo)簽的名稱。默認(rèn)為True分組后的結(jié)果并不能直接查看，而是被存在內(nèi)存中，輸出的是內(nèi)存地址。實(shí)際上，分組后的數(shù)據(jù)對(duì)象groupby類似于Series與DataFrame，也是pandas提供的一種對(duì)象。groupby對(duì)象常用的描述性統(tǒng)計(jì)方法及說明如下表。groupby()方法拆分?jǐn)?shù)據(jù)方法名稱方法說明方法名稱方法說明count返回各組的計(jì)數(shù)值，不包括缺失值cumcount對(duì)每個(gè)分組中的組員進(jìn)行標(biāo)記，0