本周是Python的基本使用，从真正小白零接触，跟着大神们开始学习

参考书：利用Python进行数据分析（原书第2版）中第三章和第五章

一、Python基础

1）Python环境安装

（1）下载

anaconda是python的包管理器和环境管理器， 是在 conda（一个包管理器和环境管理器）上发展出来的。在数据分析中，将会用到很多第三方的包，而conda（包管理器）可以很方便地在计算机上安装和管理这些包，包括安装、卸载和更新。更关键的是conda可以在不同的项目中建立不同的运行环境。

在官网（https://www.anaconda.com/download）上可直接下载安装包，但速度较慢，可能安装到一半就错误。如果网速好的话可以一试，找到相应版本下载完成后直接安装就好。Anaconda 安装包还可以到华镜像上（https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive）下载安装，优点是下载速度快。

2）Python基本用法-读文件

读写文件是最常见的IO操作。Python内置了读写文件的函数，用法和C是兼容的。在磁盘上读写文件的功能都是由操作系统提供的，现代操作系统不允许普通的程序直接操作磁盘，所以，读写文件就是请求操作系统打开一个文件对象（通常称为文件描述符），然后，通过操作系统提供的接口从这个文件对象中读取数据（读文件），或者把数据写入这个文件对象（写文件）。

读文件

要以读文件的模式打开一个文件对象，使用Python内置的open()函数，传入文件名和标示符：

1>>> f =open('/Users/michael/test.txt', 'r')

标示符'r'表示读，这样，我们就成功地打开了一个文件。

如果文件不存在，open()函数就会抛出一个IOError的错误，并且给出错误码和详细的信息告诉你文件不存在：

>>> f=open('/Users/michael/notfound.txt', 'r')

Traceback (most recent call last):

 File"<stdin>", line 1, in<module>

IOError: [Errno 2] No such fileordirectory: '/Users/michael/notfound.txt'

如果文件打开成功，接下来，调用read()方法可以一次读取文件的全部内容，Python把内容读到内存，用一个str对象表示：

>>> f.read()

'Hello, world!'

最后一步是调用close()方法关闭文件。文件使用完毕后必须关闭，因为文件对象会占用操作系统的资源，并且操作系统同一时间能打开的文件数量也是有限的：

1>>> f.close()

由于文件读写时都有可能产生IOError，一旦出错，后面的f.close()就不会调用。所以，为了保证无论是否出错都能正确地关闭文件，我们可以使用try ... finally来实现：

正确地关闭文件，我们可以使用try ... finally来实现：

try:

  f =open('/path/to/file', 'r')

  printf.read()

finally:

  if f:

    f.close()

但是每次都这么写实在太繁琐，所以，Python引入了with语句来自动帮我们调用close()方法：2

with open('/path/to/file', 'r') as f:

  printf.read()

这和前面的try ... finally是一样的，但是代码更佳简洁，并且不必调用f.close()方法。

调用read()会一次性读取文件的全部内容，如果文件有10G，内存就爆了，所以，要保险起见，可以反复调用read(size)方法，每次最多读取size个字节的内容。另外，调用readline()可以每次读取一行内容，调用readlines()一次读取所有内容并按行返回list。因此，要根据需要决定怎么调用。

如果文件很小，read()一次性读取最方便；如果不能确定文件大小，反复调用read(size)比较保险；如果是配置文件，调用readlines()最方便：

forline inf.readlines():

  print(line.strip()) # 把末尾的'\n'删掉

3）Python基本数据结构：字典、集合等

Python中的内置数据结构（Built-in Data Structure）:列表list、元组tuple、字典dict、集合set。

list的显著特征：

列表中的每个元素都可变的，意味着可以对每个元素进行修改和删除；

列表是有序的，每个元素的位置是确定的，可以用索引去访问每个元素；

列表中的元素可以是Python中的任何对象；

可以为任意对象就意味着元素可以是字符串、整数、元组、也可以是list等Python中的对象。

二、Pandas基础

Pandas是一个强大的分析结构化数据的工具集；它的使用基础是Numpy（提供高性能的矩阵运算）；用于数据挖掘和数据分析，同时也提供数据清洗功能。

1）Pandas环境安装：pandas库在anaconda中是默认安装的，也可以通过pip(conda) install pandas安装

2）Pandas数据结构：Series是一种一维的数组型对象，它包含了一个值序列，并且包含了数据标签，称为索引（index），最简单的序列可以仅仅由一个数组形成。DataFrame表示的是矩阵的数据表，它包含已排序的列集合，每一列可以是不同的值类型（数值、字符串、布尔值等）。DataFrame既有行索引也有列索引，它可以被视为一个共享相同索引的Series的字典。在DataFrame中，数据被存储为一个以上的二维块，而不是列表、字典或其他一维数组的组合。尽管DataFrame是二维的，但是我们可以利用分层索引在DataFrame中展现更高维度的数据。DataFrame的构建方法有很多种，其中最常用的方式是利用包含等长度列表或NumPy数组的字典来形成DataFrame

三、描述性数据分析的Python实践

1、准备数据

导入 pandas 库，读取 xlsx 文件数据

import pandas as pd

import numpy as np

df = pd.read_excel("score.xlsx")

df.head()

姓名 语文 数学 英语

0 张三 78 99 77

1 李四 68 89 67

2 王五 87 78 90

3 阿大 85 70 98

4 李云龙 98 68 79

5 乔峰 69 45 82

6 毛毛 77 80 60

7 阿牛 69 76 69

8 小红 99 80 88

9 小白 87 88 69

2、计算

1）众数

score=df['数学']

counts = np.bincount(score)

np.argmax(counts)

80

2）中位数

np.median(score)

79.0

3）算术平均数

np.average(score)

77.3

4）加权平均数

per=np.sum(df,axis=1)/3

np.average(score,weights=per)

77.93077247783876

5）方差

np.var(score)

192.20999999999998

6）标准差

np.std(score)

13.863982111933064

3、第二种代码

代码：

import numpy as np

from scipy import stats

from numpy import mean, ptp, var, std

data=np.array([17, 19, 26, 29, 35, 19, 21])

w = [0.1, 0.1, 0.2, 0.1, 0.3, 0.1, 0.1]

print("排序：",np.sort(data))

print("求和：",np.sum(data))

print("\n集中趋势")

print("众数：",stats.mode(data)[0][0])

print("中位数：",np.median(data))

print("平均数：",np.mean(data))

print("25%分位数：",np.percentile(data, 25))

print("50%分位数：",np.percentile(data, 50))

print("75%分位数：",np.percentile(data, 75))

print("四分位差：",np.percentile(data, 75)-np.percentile(data, 25))

print("极差：",ptp(data))

print("加权平均数：",np.average(data,weights=w))

print("几何平均数：",stats.gmean(data))

print("\n离中趋势")

print("方差：",var(data))

print("标准差：",std(data))

print("平均差：",np.sum(abs(data-np.mean(data)))/len(data))

print("异众比率：",1-stats.mode(data)[1][0]/len(data))

print("离散系数：",std(data)/np.mean(data))

print("偏态系数：",stats.skew(data))

print("峰态系数：",stats.kurtosis(data))

运行结果

排序： [17 19 19 21 26 29 35]

求和： 166

集中趋势

众数： 19

中位数： 21.0

平均数： 23.714285714285715

25%分位数： 19.0

50%分位数： 21.0

75%分位数： 27.5

四分位差： 8.5

极差： 18

加权平均数： 26.200000000000003

几何平均数： 22.996368449077114

离中趋势

方差： 36.775510204081634

标准差： 6.0642815076546075

平均差： 5.387755102040816

异众比率： 0.7142857142857143

离散系数： 0.25572271417820636

偏态系数： 0.6820851611428496

峰态系数： -0.8763434634842784