第4章 pandas统计分析基础

4.1 读写不同数据源的数据

4.1.1 读写数据库数据
1、数据库数据获取
2、数据库数据存储
4.1.2 读写文本文件
1、文本文件读取
2、文本文件存储
4.1.3 读写Excel文件
1、Excel文件读取
2、Excel文件存储
完整代码

4.2 掌握DataFrame的常用操作

4.2.1 查看DataFrame的常用属性
4.2.2 查改增删DataFrame数据
1、查看访问DataFrame中的数据
（1）DataFrame数据的基本查看方式
（2）DataFrame的loc、iloc访问方式
2、更改DataFrame中的数据
3、为DataFrame增添数据
4、删除某列或某行数据
4.2.3 描述分析DataFrame数据
1.数值型特征的描述性统计——NumPy中的描述性统计函数
2、类别型特征的描述性统计
4.2.4 任务实现
1、查看数据的维度、形状、元素的个数
2、统计
3、剔除空值或者所有元素取值相同的列

4.3 转换与处理时间数据

4.3.1 转换字符串时间为标准时间
1、Timestamp
2、DatetimeIndex或者PeriodIndex
DatetimeIndex与PeriodIndex函数及其参数说明
4.3.2 提取时间序列数据信息
Timestamp类常用属性及说明
4.3.3 加减时间数据
Timedelta类周期名称、对应单位及其说明
4.3.4 任务实现
数据
全部代码

4.4 使用分组聚合进行组内计算

4.4.1 使用groupby方法拆分数据
groupby方法的参数及其说明：
groupby对象常用的描述性统计方法如下：
4.4.2 使用agg方法聚合数据
agg函数和aggregate函数的参数说明
1、使用agg求出当前数据对应的统计量
2、使用agg分别求字段的不同统计量
3、使用agg方法求不同字段的不同数目统计量
4、在agg方法中使用自定义函数
5、agg方法中使用的自定义函数含Numpy中的函数
6、使用agg方法做简单的聚合
7、使用agg方法对分组数据使用不同的聚合函数
4.4.3使用apply方法聚合数据
apply方法的常用参数及其说明
4.4.4 使用transform方法聚合数据
4.4.5 任务实现
完整代码

4.5 创建透视表与交叉表

4.5.1利用pivot_table函数可以实现透视表
pivot_table函数的常用参数及其说明
4.5.2 使用crosstab函数创建交叉表
crosstab函数的常用参数及其说明
4.5.3 任务实现
数据
完整代码