python-pandas示例代码

# -*- codeing = utf-8 -*-
# @Time : 2022/11/12 10:03
# @Author : Luo_CW
# @File : work3(2).py
# @Software : PyCharm
import pandas as pd
import datetime
import numpy as np

data = pd.read_csv("成都市二手房交易信息.csv")
print(type(data))
# print(data)
# 要统计某一列（比如说列名是city）中各个值出现的次数
print(data["房屋所属市辖区"].value_counts()[0:5])

label=['心动价','大众价','奋斗价']
bins=[0,10000,20000,max(data['单价（元/平方米）'])]
# 分级
data_price = pd.cut(data['单价（元/平方米）'],bins,labels=label)
# 插入新的列
data.insert(16,column='价格分布',value=data_price)
print(data)

# groupby聚合函数
data_agg=data.groupby(['房屋所属市辖区','价格分布'])['单价（元/平方米）']

# agg统计函数
print(data_agg.agg(['max','min','median']))

print(data['挂牌时间'].dtype)
# 找到系统时间
current_time = datetime.datetime.now()
datedata = current_time.strftime("%Y-%m-%d")
def g_date(i):
    if len(i)!=5:
        return pd.to_datetime(i)
    else:
        return pd.to_datetime('1900-1-1')+pd.Timedelta(days=int(i))
# DataFrame.apply() 函数则会遍历每一个元素，对元素运行指定的 function
data['挂牌时间']=data['挂牌时间'].apply(g_date)
print(data['挂牌时间'].dtype)
print(data['挂牌时间'])
date_time = pd.to_datetime(datedata)-data['挂牌时间']
def print_days(day):
    print(day.days)
date_time.apply(print_days)

# 以挂牌时间为新的一列
data_new=data.set_index("挂牌时间")
print(data_new)
# 函数将给定系列对象中的日期转换为指定的日期格式。
aver = data.groupby(data['挂牌时间'].dt.strftime('%Y%m'))['单价（元/平方米）']
print(aver.agg('mean').round(0))
avg = data_new['单价（元/平方米）'].resample('M').mean()
print(avg.round(0))

data_povit = pd.pivot_table(data,index=['房屋所属市辖区'],columns='价格分布',values=['单价（元/平方米）'],aggfunc=np.mean)
print(data_povit.round(0))
data_crosstab = pd.crosstab(index=data['房屋所属市辖区'], columns=data['价格分布'],values=data['单价（元/平方米）'],aggfunc=np.mean).round(0)
print(data_crosstab)
Strive-NUAA

python-numpy示例代码

python-pandas示例代码
