python中info的用法,python info函數

本文目錄一覽：

• 1、Python數據分析師主要做什麼?Python基礎
• 2、python中info='[{“username”:”qian”,”age”:”18″,”weight”:”55″}]’，取出age的值，只要18，該怎麼弄
• 3、在python中self.info()。是什麼意思,怎麼用的
• 4、像Excel一樣使用Python（一）

Python數據分析師主要做什麼?Python基礎

伴隨著大數據時代的到來，Python的熱度居高不下，已成為職場人士必備的技能，它不僅可以從事網路爬蟲、人工智慧、Web開發、遊戲開發等工作，還是數據分析的首選語言。那麼問題來了，利用Python數據分析可以做什麼呢?簡單來講，可以做的事情有很多，具體如下。

第一、檢查數據表

Python中使用shape函數來查看數據表的維度，也就是行數和列數。你可以使用info函數查看數據表的整體信息，使用dtypes函數來返回數據格式。Lsnull是Python中檢查空置的函數，你可以對整個數據進行檢查，也可以單獨對某一列進行空置檢查，返回的結果是邏輯值，包括空置返回True，不包含則返回False。使用unique函數查看唯一值，使用Values函數用來查看數據表中的數值。

第二，數據表清洗

Python中處理空值的方法比較靈活，可以使用Dropna函數用來刪除數據表中包括空值的數據，也可以使用fillna函數對空值進行填充。Python中dtype是查看數據格式的函數，與之對應的是asstype函數，用來更改數據格式，Rename是更改名稱的函數，drop_duplicate函數函數重複值，replace函數實現數據轉換。

第三，數據預處理

數據預處理是對清洗完的數據進行整理以便後期統計和分析工作，主要包括數據表的合併、排序、數值分列、數據分組以及標記等工作。在Python中可以使用merge函數對兩個數據表進行合併，合併的方式為inner，此外還有left、right和outer方式。使用ort_values函數和sort_index函數完成排序，使用where函數完成數據分組，使用split函數實現分列。

第四，數據提取

主要是使用三個函數：loc、iloc和ix，其中loc函數按標準值進行提取，iloc按位置進行提取，ix可以同時按標籤和位置進行提取。除了按標籤和位置提取數據意外，還可以按照具體的條件進行提取。

第五，數據篩選匯總

Python中使用loc函數配合篩選條件來完成篩選功能，配合sum和count函數還能實現Excel中sumif和countif函數的功能。Python中使用的主要函數是groupby和pivot_table。

python中info='[{“username”:”qian”,”age”:”18″,”weight”:”55″}]’，取出age的值，只要18，該怎麼弄

 info='[{“username”:”qian”,”age”:”18″,”weight”:”55″}]’

 eval(info)[0].get(‘age’)

’18’

在python中self.info()。是什麼意思,怎麼用的

info是類中自定義的一個方法，self.info()表示在類的其他實例方法中調用這個方法。

像Excel一樣使用Python（一）

在進行數據處理時，如果數據簡單，數量不多，excel是大家的首選。但是當數據眾多，類型複雜，需要靈活地顯示切片、進行索引、以及排序時，python會更加方便。藉助python中的numpy和pandas庫，它能快速完成各種任務，包括數據的創建、檢查、清洗、預處理、提取、篩選、匯總、統計等。接下來幾篇文章，將以excel為參照，介紹python中數據的處理。

提到pandas，那就不得不提兩類重要的數據結構，Series和DataFrame，這兩類數據結構都是建立在numpy的數組array基礎上。與array相比，Series是一個一維的數據集，但是每個數據元素都帶有一個索引，有點類似於字典。而DataFrame在數組的基礎上，增加了行索引和列索引，類似於Series的字典，或者說是一個列表集。

所以在數據處理前，要安裝好numpy , pandas。接下來就看看如何完成一套完整的數據操作。

創建數據表的方法分兩種，分別是從外部導入數據，以及直接寫入數據。

在python中，也可外部導入xlsx格式文件，使用read_excel()函數：

import pandas as pd

from pandas import DataFrame,Series

data=DataFrame(pd.read_excel(‘c:/python27/test.xlsx’))

print data

輸出：

Gene Size Function

0 arx1 411 NaN

1 arx2 550 monooxygenase

2 arx3 405 aminotransferase

……

即：調用pandas中read_excel屬性，來讀取文件test.xlsx，並轉換成DataFrame格式，賦給變數data。在每一行後，自動分了一個索引值。除了excel，還支持以下格式文件的導入和寫入：

Python寫入的方法有很多，但還是不如excel方便。常用的例如使用相等長度的字典或numpy數組來創建：

data1 = DataFrame(

{‘Gene’:[‘arx1′,’arx2′,’arx3’],

‘Size’:[411,550,405],

‘Func’:[np.NaN,’monooxygenase’,’aminotransferase ‘]})

print data1

輸出

Func Gene Size

0 NaN arx1 411

1 monooxyg arx2 550

2 amino arx3 405

分配一個行索引後，自動排序並輸出。

在python中，可以使用info()函數查看整個數據的詳細信息。

print data.info()

輸出

RangeIndex: 7 entries, 0 to 6

Data columns (total 3 columns):

Gene 7 non-null object

Size 7 non-null int64

Function 5 non-null object

dtypes: int64(1), object(2)

memory usage: 240.0+ bytes

None

此外，還可以通過shape, column, index, values, dtypes等函數來查看數據維度、行列組成、所有的值、 數據類型：

print data1.shape

print data1.index

print data1.columns

print data1.dtypes

輸出

(3, 3)

RangeIndex(start=0, stop=3, step=1)

Index([u’Func’, u’Gene’, u’Size’], dtype=’object’)

Func object

Gene object

Size int64

dtype: object

在excel中可以按「F5」，在「定位條件」中選擇「空值」，選中後，輸入替換信息，再按「Ctrl+Enter」即可完成替換。

在python中，使用函數 isnull 和 notnull 來檢測數據丟失, 包含空值返回True，不包含則返回False。

pd.isnull(data1)

pd.notnull(data1)

也可以使用函數的實例方法，以及加入參數，對某一列進行檢查：

print data1[‘Func’].isnull()

輸出

Func Gene Size

0 True False False

1 False False False

2 False False False

再使用fillna對空值進行填充：

data.fillna(value=0)

#用0來填充空值

data[‘Size’].fillna(data1[‘Size’].mean())

#用data1中Size列的平均值來填充空值

data[‘Func’]=data[‘Func’].map(str.strip)

#清理Func列中存在的空格

Excel中可以按「Ctrl+F」，可調出替換對話框，替換相應數據。

Python中，使用replace函數替換：

data[‘Func’].replace(‘monooxygenase’, ‘oxidase’)

將Func列中的’monooxygenase’替換成’oxidase’。

Excel中，通過「數據-篩選-高級」可以選擇性地看某一列的唯一值。

Python中，使用unique函數查看：

print data[‘Func’].unique()

輸出

[nan u’monooxygenase’ u’aminotransferase’ u’methyltransferase’]

Excel中，通過UPPER、LOWER、PROPER等函數來變成大寫、小寫、首字母大寫。

Python中也有同名函數：

data1[‘Gene’].str.lower()

Excel中可以通過「數據-刪除重複項」來去除重複值。

Python中，可以通過drop_duplicates函數刪除重複值：

print data[‘Func’].drop_duplicates()

輸出

0 NaN

1 monooxygenase

2 aminotransferase

3 methyltransferase

Name: Func, dtype: object

還可以設置「 keep=』last』 」參數，後出現的被保留，先出現的被刪除：

print data[‘Func’].drop_duplicates(keep=’last’)

輸出

2 aminotransferase

3 methyltransferase

6 monooxygenase

8 NaN

Name: Func, dtype: object

內容參考：

Python For Data Analysis

藍鯨網站分析博客，作者藍鯨（王彥平）