用以下数据做一个简单的python数据分析案例
#导入excel数据
import pandas as pd
df= pd.read_excel(r'E:\ETL_soft\python\tt.xlsx')
df
#数据列的形式用中括号统一一下
#df['标准分']=(df.录取分数 - df.录取分数.min())/(df.录取分数.max()-df.录取分数.min())
#df
df['标准分']=(df['录取分数'] - df['录取分数'].min())/(df['录取分数'].max()-df['录取分数'].min())
df
#bins=[min(df.['录取分数'])-1,300,400,max(df.['录取分数'])+1]
#数据框里面的数据可以df.字段，如果是新增字段，可以用df['字段名']
bins=[min(df.录取分数)-1,300,400,max(df.录取分数)+1]
labels=['300分以下','300-400之间','400以上']
df['result']=pd.cut(df.录取分数,bins=bins,right=False,labels=labels)
df
#首先将日期用to_datetime改成标准格式，且format能加快速度，
#再应用apply更改时间为字符串，并命名周期
df['周期'] = to_datetime(df.注册日期,format="%Y/%m/%d").apply(lambda x: datetime.strftime(x,"%Y-%m-%d"))
df.head()
#进行分组
grouped = df['录取分数'].groupby(df['result'])
grouped.mean()
#统计各年份和月份出现的次数
#data.stop_datetime.dt.year.value_counts()
#data.stop_datetime.dt.month.value_counts()
#提取年
data['year'] = data.stop_datetime.dt.year
data['year'].head()
#提取月份
data['month'] = data.stop_datetime.dt.month
data['month'].head()
#提取日
data['day'] = data.stop_datetime.dt.day
data['day'].head()
# 默认axis=0，按行索引对行进行排序；ascending=True，升序排序
df.sort_index()
# 按列名对列进行排序，ascending=False 降序
df.sort_index(axis=1, ascending=False)
# 按值对Series进行排序，使用order()，默认空值会置于尾部
#s = pd.Series([4, 6, np.nan, 2, np.nan])
#s.order()
#df.sort_values(by=['a','b'])#按列进行排序
df.sort_values(by=['录取分数'])#按列进行排序
#a=Series([7,-5,7,4,2,0,4])
#a.rank()#默认method='average'，升序排名（ascending=True），按行（axis=0）
#average 值相等时，取排名的平均值
#min 值相等时，取排名最小值
#max 值相等时，取排名最大值
#first值相等时，按原始数据出现顺序排名
df.录取分数.rank()
#使用时间序列数据绘图
data['stop_time_datetime'] = pd.to_datetime(data.stop_time)
data.groupby(data.stop_time_datetime.dt.hour).drugs_related_stop.sum().plot()
#插入一列
#df = df.insert(12,'表准分',df['标准分'])
df
#删除列
#df=df.drop(['表准分'],axis = 1)
df.head()
#移动列'表准分',移动列也很简单，假如我们想要将c列移动到第一列，
#我们可以使用pop来输出并删除b列，然后再将b列插入到第一列，这样就完成了移动
#df.pop()
#df = df.insert(12,'表准分',df['标准分'])
df.head()
#时间函数
df_dt=to_datetime(df.周期,format="%Y/%m/%d")
s_y=df_dt.dt.year
s_s=df_dt.dt.second
s_m=df_dt.dt.minute
s_h=df_dt.dt.hour
s_d=df_dt.dt.day
s_M=df_dt.dt.month
s_w=df_dt.dt.weekdayDataFrame.sort_values(by=‘##’,axis=0,ascending=True, inplace=False, na_position=‘last’)
参数 说明
by 指定列名(axis=0或’index’)或索引值(axis=1或’columns’)
axis 若axis=0或’index’，则按照指定列中数据大小排序；若axis=1或’columns’，则按照指定索引中
数据大小排序，默认axis=0
ascending 是否按指定列的数组升序排列，默认为True，即升序排列
inplace 是否用排序后的数据集替换原来的数据，默认为False，即不替换
na_position {‘first’,‘last’}，设定缺失值的显示位置#依据第一列排序，并将该列空值放在首位
df.sort_values(by=['col1'],na_position='first')
#依据第二、三列，数值降序排序
df.sort_values(by=['col2','col3'],ascending=False)
#根据第一列中数值排序，按降序排列，并替换原数据
df.sort_values(by=['col1'],ascending=False,inplace=True,
na_position='first')
print(df)
x = pd.DataFrame({'x1':[1,2,2,3],'x2':[4,3,2,1],'x3':[3,2,4,1]})
print(x)
#按照索引值为0的行，即第一行的值来降序排序
print(x.sort_values(by =0,ascending=False,axis=1))更为详细的函数参见：
https://blog.csdn.net/zhili8866/article/details/68134481（基本的数据函数都有）
https://blog.csdn.net/MsSpark/article/details/83154128 （排序sort_value函数）