基于Python的大数据分析及实战

本站编辑

2022/7/8 0:00:00

459 阅读

按要求完成如下任务

利用pandas的文件读取功能打开iris.csv文件
获取数据后，显示数据的后7行

			In [2]:		

iris = pd.read_csv('iris.csv') iris.tail(7)

					Out[2]:				

	Unnamed: 0	Sepal.Length	Sepal.Width	Petal.Length	Petal.Width	Species
143	144	6.8	3.2	5.9	2.3	virginica
144	145	6.7	3.3	5.7	2.5	virginica
145	146	6.7	3.0	5.2	2.3	virginica
146	147	6.3	2.5	5.0	1.9	virginica
147	148	6.5	3.0	5.2	2.0	virginica
148	149	6.2	3.4	5.4	2.3	virginica
149	150	5.9	3.0	5.1	1.8	virginica

挑战任务（可选）在这份数据中我们看到了序号和鸢尾花的各指标数据，通过两个python的功能组合产生如下数据结构：
{'setosa': 1, 'versicolor': 2, 'virginica': 3}和{'setosa': 'r', 'versicolor': 'b', 'virginica': 'g'}

			In [3]:		

iris_label = iris.Species.unique() iris_label

					Out[3]:				

array(['setosa', 'versicolor', 'virginica'], dtype=object)

			In [4]:		

list(range(3))

					Out[4]:				

[0, 1, 2]

			In [5]:		

dict(zip(iris.Species.unique(),list(range(1,4))))

					Out[5]:				

{'setosa': 1, 'versicolor': 2, 'virginica': 3}

			In [6]:		

name_label = dict(zip(iris.Species.unique(),['r','g','b'])) name_label

					Out[6]:				

{'setosa': 'r', 'versicolor': 'g', 'virginica': 'b'}

任务提示：查看数据结构大小

			In [7]:		

iris.shape

					Out[7]:				

(150, 6)

			In [8]:		

iris.info()

<class 'pandas.core.frame.DataFrame'>RangeIndex: 150 entries, 0 to 149Data columns (total 6 columns): #   Column        Non-Null Count  Dtype  ---  ------        --------------  -----   0   Unnamed: 0    150 non-null    int64   1   Sepal.Length  150 non-null    float64 2   Sepal.Width   150 non-null    float64 3   Petal.Length  150 non-null    float64 4   Petal.Width   150 non-null    float64 5   Species       150 non-null    object dtypes: float64(4), int64(1), object(1)memory usage: 7.2+ KB

			In [9]:		

iris.info

					Out[9]:				

<bound method DataFrame.info of      Unnamed: 0  Sepal.Length  Sepal.Width  Petal.Length  Petal.Width  \0             1           5.1          3.5           1.4          0.2   1             2           4.9          3.0           1.4          0.2   2             3           4.7          3.2           1.3          0.2   3             4           4.6          3.1           1.5          0.2   4             5           5.0          3.6           1.4          0.2   ..          ...           ...          ...           ...          ...   145         146           6.7          3.0           5.2          2.3   146         147           6.3          2.5           5.0          1.9   147         148           6.5          3.0           5.2          2.0   148         149           6.2          3.4           5.4          2.3   149         150           5.9          3.0           5.1          1.8          Species  0       setosa  1       setosa  2       setosa  3       setosa  4       setosa  ..         ...  145  virginica  146  virginica  147  virginica  148  virginica  149  virginica  [150 rows x 6 columns]>

			In [10]:		

print(iris.groupby('Species').size())

Speciessetosa        50versicolor    50virginica     50dtype: int64

还可以输入200个字