Python數(shù)據(jù)分析處理(三)--運動員信息的分組與聚合
3.1 數(shù)據(jù)的爬取
代碼:
import pandas as pd f = open('運動員信息表.csv') data=pd.read_csv(f,skiprows=0,header=0) print(data)
運行結(jié)果:
首先使用pd.read_csv(f,skiprows=0,header=0)
進行數(shù)據(jù)的讀取,并且將數(shù)據(jù)轉(zhuǎn)換成為dataframe的格式給對象,做初始化,方便后面進行數(shù)據(jù)的分析。
3.2統(tǒng)計男籃、女籃運動員的平均年齡、身高、體重
代碼:
sex=data[["年齡(歲)","身高(cm)","體重(kg)"]].groupby(data["性別"]) print(sex.mean())
運行結(jié)果:
首先我們先把數(shù)據(jù)提取出來做個分組,先把"年齡(歲)",“身高(cm)”,"體重(kg)"這三行數(shù)據(jù)提取出來再根據(jù)性別進行分組。
sex=data[["年齡(歲)","身高(cm)","體重(kg)"]].groupby(data["性別"])
然后再調(diào)用mean()
求平均值,求出男籃、女籃運動員的平均年齡、身高、體重。
3.3統(tǒng)計男籃運動員年齡、身高、體重的極差值
代碼:
sex=data[["年齡(歲)","身高(cm)","體重(kg)"]].groupby(data["性別"]) basketball_male=dict([x for x in sex])['男'] basketball_male #求極差 def range_data_group(arr): return arr.max()-arr.min() #進行每列不同的聚合 basketball_male.agg({ "年齡(歲)":range_data_group,"身高(cm)":range_data_group,"體重(kg)":range_data_group })
運行結(jié)果:
首先提取數(shù)據(jù):
單行循環(huán)提取數(shù)據(jù),dict([x for x in sex])
在循環(huán)體內(nèi)的語句只有一行的情況的下,可以簡化for循環(huán)的書寫。定義一個函數(shù)def range_data_group(arr):
求極差;
極差的求法:使用最大值減去最小值。就得到極差。
agg()函數(shù):DataFrame.agg(*func*,*axis = 0*,* args*,*** kwargs* )*
func
: 函數(shù),函數(shù)名稱,函數(shù)列表,字典{‘行名/列名’,‘函數(shù)名’}
使用指定軸上的一個或多個操作進行聚合。
需要注意聚合函數(shù)操作始終是在軸(默認(rèn)是列軸,也可設(shè)置行軸)上執(zhí)行,不同于 numpy聚合函數(shù)
最后我們可以得到三列數(shù)據(jù):分別對應(yīng)"年齡(歲)",“身高(cm)”,“體重(kg)”。
3.4 統(tǒng)計男籃運動員的體質(zhì)指數(shù)
3.4.1添加體重指數(shù)
代碼:
data["體質(zhì)指數(shù)"]=0 data
運行結(jié)果:
添加一行體重指數(shù):data[“體質(zhì)指數(shù)”]=0
3.4.2計算bmi值并添加數(shù)據(jù)
代碼:
# 計算bmi數(shù)值 def outer(num): def bminum(sumbim): weight=data["身高(cm)"] height=data["體重(kg)"] sumbim=weight/(height/100)**2 return num+sumbim return bminum
將該行數(shù)據(jù)添加上去:
代碼:
# 調(diào)用函數(shù) bimdata=data["體質(zhì)指數(shù)"] data["體質(zhì)指數(shù)"]=data[["體質(zhì)指數(shù)"]].apply(outer(bimdata)) data
運行結(jié)果:
編寫函數(shù)計算bmi
數(shù)值 outer(num);
然后再使用apply的方法將自定義的函數(shù)應(yīng)用到"體質(zhì)指數(shù)"這一列。然后計算出該列的值之后進行賦值。
data[“體質(zhì)指數(shù)”]=data[[“體質(zhì)指數(shù)”]].apply(outer(bimdata))
97622)]
編寫函數(shù)計算bmi
數(shù)值 outer(num)
;然后再使用apply
的方法將自定義的函數(shù)應(yīng)用到"體質(zhì)指數(shù)"這一列。然后計算出該列的值之后進行賦值。
data[“體質(zhì)指數(shù)”]=data[[“體質(zhì)指數(shù)”]].apply(outer(bimdata))
到此這篇關(guān)于Python數(shù)據(jù)分析處理 運動員信息的分組與聚合的文章就介紹到這了,更多相關(guān)Python數(shù)據(jù)分析處理 內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
獲取django框架orm query執(zhí)行的sql語句實現(xiàn)方法分析
這篇文章主要介紹了獲取django框架orm query執(zhí)行的sql語句實現(xiàn)方法,結(jié)合實例形式分析了Django框架中orm query執(zhí)行的sql語句獲取方法相關(guān)實現(xiàn)技巧,需要的朋友可以參考下2019-06-06Python中struct模塊對字節(jié)流/二進制流的操作教程
最近在學(xué)習(xí)python網(wǎng)絡(luò)編程這一塊,在寫簡單的socket通信代碼時,遇到了struct這個模塊的使用,當(dāng)時不太清楚這到底有和作用,后來查閱了相關(guān)資料大概了解了,這篇文章就主要介紹了Python中struct模塊對字節(jié)流/二進制流的操作,需要的朋友可以參考借鑒。2017-01-01Pycharm在創(chuàng)建py文件時,自動添加文件頭注釋的實例
今天小編就為大家分享一篇Pycharm在創(chuàng)建py文件時,自動添加文件頭注釋的實例,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2018-05-05Tensorflow加載預(yù)訓(xùn)練模型和保存模型的實例
今天小編就為大家分享一篇Tensorflow加載預(yù)訓(xùn)練模型和保存模型的實例,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2018-07-07python實現(xiàn)猜數(shù)字游戲(無重復(fù)數(shù)字)示例分享
這篇文章主要介紹了python實現(xiàn)猜數(shù)字游戲(無重復(fù)數(shù)字)示例,需要的朋友可以參考下2014-03-03