Python程序设计- 面向人工智能应用开发（TensorFlow、Keras、PyTorch）课件 第六章 Pandas：分析数据

第六章Pandas：分析数据请在此输入您的副标题汇报人：代用名目录6.1Pandas6.2Series6.3DataFrame6.4基于BankMarketing数据集的营销活动分析引言：Pandas库主要是用于数据处理与分析的，本章主要介绍Pandas库的安装与使用，特别是对于一维数据Series和二维数据DataFrame的操作。本章最后使用BankMarketing数据集，进行营销活动分析。6.1Pandas6.1.1Pandas的由来Pandas的名字来源于Pandas最早发布时的三种数据结构Panel、DataFrame、Series。Pandas已经成为数据分析的基本工具，可以广泛处理各种数据。Pandas的官网（/）有相关详细介绍。目前Pandas主要提供了两种数据结构：·Series：用于处理一维表数据。·DataFrame：用于处理二维表数据。DataFrame由Series组成，它的每一列数据都是Series对象。PandasSeries类似表格中的一个列（column），类似于一维数组，可以保存任何数据类型。DataFrame是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔型值）。DataFrame既有行索引也有列索引，它可以被看做由Series组成的字典（共同用一个索引）。6.1.2安装Pandas库PyCharm中运行程序，报错，提示“ModuleNotFoundError:Nomodulenamed'pandas'”。出现以上错误，表示未安装Pandas库，如果需要使用，必须先安装Pandas库。6.2Series6.2.1创建Series对象6.2.2Series属性6.2.3Series常用方法

6.2.4Series对象数据绘图6.2.1创建Series对象Series是一个类似于一维数组的数据结构，它能够保存任何类型的数据，比如整数、字符串、浮点数等，主要由一组数据和与之相关的索引两部分构成。【例6.1】创建Series对象示例。6.2.2Series属性Series提供了属性信息描述其基本结构与特征。【例6.2】Series属性示例。6.2.3Series常用方法Series常用方法。【例6.3】Series常用方法示例。6.2.4Series对象数据绘图Pandas对绘图库Matplotlib进行了封装，对Series对象数据进行绘图步骤极其简单，由于Matplotlib为下一章的内容，这里仅做简要介绍。【例6.4】Series对象可视化示例。6.3DataFrame

6.3.1DataFrame概念6.3.2创建DataFrame对象

6.3.3DataFrame属性

6.3.4DataFrame索引和切片

6.3.5DataFrame数据分析

6.3.6DataFrame对象可视化6.3.1DataFrame概念DataFrame是Pandas的重要数据结构之一，也是在使用Pandas进行数据分析过程中最常用的结构之一，可以这么说，掌握了DataFrame的用法，就拥有了学习数据分析的基本能力。DataFrame一个表格型的数据结构，既有行标签（index），又有列标签（columns），它也被称异构数据表，所谓异构，指的是表格中每列的数据类型可以不同，比如可以是字符串、整型或者浮点型等。下面对DataFrame数据结构的特点做简单地总结，如下所示：·DataFrame每一列的标签值允许使用不同的数据类型；·DataFrame是表格型的数据结构，具有行和列；·DataFrame中的每个数据值都可以被修改。·DataFrame结构的行数、列数允许增加或者删除；·DataFrame有两个方向的标签轴，分别是行标签和列标签；·DataFrame可以对行和列执行算术运算。6.3.2创建DataFrame对象【例6.5】创建DataFrame对象示例。6.3.3DataFrame属性DataFrame的属性和方法，与Series相差无几。【例6.6】DataFrame属性示例。6.3.4DataFrame索引和切片DataFrame数据对象，可以通过index和columns指定索引名称，此外，还有一些常见的数据切片函数。【例6.7】DataFrame索引和切片操作示例。6.3.5DataFrame数据分析使用DataFrame进行数据处理的目的是为了分析数据，本节对rz.xlsx文件中的数据进行了简单的统计分析。【例6.8】DataFrame数据分析示例。6.3.6DataFrame对象可视化Pandas对绘图库Matplotlib进行了封装，对DataFrame对象数据进行绘图步骤极其简单，由于Matplotlib为下一章的内容，这里仍然仅做一点介绍。【例6.9】DataFrame对象可视化示例。6.4基于BankMarketing数据集的营销活动分析6.4.1数据集概述和数据结构6.4.2数据的基本信息6.4.3客户数据分析6.4.4营销活动数据分析

6.4.5完整代码及运行结果下面将使用加利福尼亚大学尔湾分校的MachineLearningRepository公布的BankMarketingDataSet执行基本的数据分析任务。本数据集中收录了一家葡萄牙银行对4万多现有客户进行电营销获得的相关数据，在此基础上，对营销活动进行分析，并将结果可视化展示。6.4.1数据集概述和数据结构本数据集大致包含与4个项目相关的值。第一项是与电话营销对象，即银行现有客户的相关数据。第二项是向每位客户进行电话营销中与最后联系时间的相关数据。第三项是其他信息，其中包含电话营销活动中对各目标客户的联系次数或电话营销活动的结果等的数据。第四项与电话营销本身的数据不同，其中包含每月消费者物价指数或欧洲银行间交易利率表示社会和经济背景的数据。除了上述4项电话营销相关的数据，还包含了针对每位客户的电话营销结果的值。本数据集中的电话营销活动是指银行鼓励现有客户开设定期账户的活动。表示结果的变量中保存了成功和失败的值。数据集的URL地址为：/ml/machine-learning-databases/00222/bank-additional.zip。压缩包中的文件bank-additional-full.csv收录了电话营销活动的现有41188位目标客户的数据。其中收录了客户的年龄和职业等个人信息，以及电话营销活动的最后联系时间约21列数据。列y包含了活动的结果。6.4.2数据的基本信息虽然文件bank-additional-full.csv中包含了约21列数据，但是本项目中使用Pandas只对其中12列数据进行基本的数据分析。6.4.3客户数据分析使用Series对象的value_counts方法可以查看客户相关数据的统计信息。6.4.4营销活动数据分析每位客户的联系方式以字符串的形式保存在了列contact中。使用value_counts方法对列