python数据集怎么做_用python处理数据

激活谷笔记 • 2026-03-11 20:18 • 阅读 7

使用Python整理数据通常涉及以下步骤：

导入必要的库

`pandas` 用于数据处理和分析。

`numpy` 用于数值计算。

`matplotlib` 和 `seaborn` 用于数据可视化。

加载数据

使用 `pandas` 的 `read_csv（）`, `read_excel（）` 等函数读取数据文件。

数据清洗

处理缺失值：使用 `dropna（）` 删除含有缺失值的行或列。

去重：使用 `drop_duplicates（）` 删除重复行。

异常值处理：根据情况选择合适的处理方法，如删除、替换或分箱。

数据筛选和排序

使用 `loc`, `iloc` 进行数据筛选。

使用 `sort_values（）` 对数据进行排序。

数据统计

使用 `describe（）`, `count（）`, `sum（）`, `mean（）`, `median（）`, `max（）`, `min（）` 等函数进行统计分析。

数据可视化

使用 `matplotlib` 和 `seaborn` 绘制图表，如直方图、折线图、散点图等。

```python

import pandas as pd

创建示例数据框

data = {

'姓名': ['张三', '李四', '王五', '赵六'],

'年龄': [20, 25, 30, 35],

'性别': ['男', '女', '男', '女'],

'成绩': [80, 90, 85, 95]

}

df = pd.DataFrame（data）

查看数据框的前几行

print（df.head（））

查看数据框的统计摘要信息

print（df.describe（））

按某一列排序数据框

df_sorted = df.sort_values（'年龄'）

print（df_sorted）

筛选出满足条件的行

df_filtered = df[df['成绩'] > 85]

print（df_filtered）

添加新的列到数据框

df['年级'] = ['大一', '大二', '大三', '大四']

print（df）

删除某一列

df_drop_column = df.drop（'年龄', axis=1）

print（df_drop_column）

以上代码展示了如何使用 `pandas` 进行基本的数据整理工作。实际应用中，数据整理可能涉及更复杂的操作，如合并数据、处理日期和时间、文本处理等。