Pandas를 사용하여 Excel 파일을 읽고 데이터 가져오기 및 분석을 쉽게 구현

pandas를 사용하여 Excel 파일을 읽고 데이터 가져오기 및 분석을 쉽게 구현하세요.

pandas는 Python의 데이터 분석을 위한 강력한 도구로 다양한 형식의 데이터를 유연하고 효율적으로 처리할 수 있습니다. 데이터 분석에 있어서 흔히 사용되는 데이터 형식은 엑셀인데, 팬더스는 엑셀 파일을 데이터로 빠르게 가져와서 분석, 처리할 수 있는 편리한 인터페이스를 제공합니다.

이 글에서는 pandas 라이브러리를 사용하여 Excel 파일을 읽는 방법과 pandas를 사용하여 데이터 분석하는 방법을 소개하고 코드 예제를 제공합니다.

1. Excel 파일 읽기
Excel 파일을 읽으려면 Pandas에서 제공하는 read_excel 함수를 사용하면 Excel 파일을 직접 읽고 DataFrame 데이터 형식으로 변환할 수 있습니다. 다음은 Excel 파일을 읽는 코드 예제입니다.

import pandas as pd

# 读取Excel文件
filename = 'data.xlsx'
df = pd.read_excel(filename)

# 查看数据前5行
print(df.head())

위 코드에서는 먼저 pandas 라이브러리를 가져오고 별칭을 pd로 지정했습니다. 그런 다음 pd.read_excel 함수를 사용하여 data.xlsx 파일을 읽고 읽은 데이터를 df라는 DataFrame에 저장합니다. 마지막으로 head 메소드를 사용하여 데이터의 처음 5개 행을 확인합니다.

2. 데이터 분석

1. 데이터 전처리
   데이터를 가져온 후에는 데이터 전처리를 수행해야 합니다. 데이터 전처리에는 데이터 정리, 누락된 값 채우기, 중복 제거, 데이터 유형 변환과 같은 작업이 포함됩니다. 다음은 데이터 전처리를 위한 샘플 코드입니다.

# 删除含有缺失值的行
df = df.dropna()

# 删除重复行
df = df.drop_duplicates()

# 转换数据类型为float
df['column1'] = df['column1'].astype(float)

# 查看数据信息
print(df.info())

위 코드에서는 먼저 dropna 메소드를 사용하여 누락된 값이 포함된 모든 행을 삭제한 다음 drop_duplicates 메소드를 사용하여 중복 행을 삭제했습니다. 다음으로 astype 메소드를 사용하여 column1의 데이터 유형을 float 유형으로 변환합니다. 마지막으로 info 메소드를 사용하여 데이터 정보를 확인합니다.

2. 통계 분석

통계 분석은 데이터 분석의 핵심 단계 중 하나입니다. Pandas는 데이터의 통계 분석을 달성하기 위한 다양한 방법을 제공합니다.

다음은 데이터 분석 샘플 코드입니다.

# 计算各列的平均值、标准差、最大/最小值
print(df.mean())
print(df.std())
print(df.max())
print(df.min())

# 按照一列的值进行分组，并计算每组中数据的平均值
print(df.groupby('column1').mean())

# 绘制柱状图
df['column1'].plot(kind='bar')

위 코드에서는 평균, 표준편차, 최대값, 최소값을 사용하여 각 열의 평균, 표준편차, 최대값/최소값을 각각 계산합니다. 그런 다음 groupby 메서드를 사용하여 column1의 값을 그룹화하고 각 그룹의 데이터 평균을 계산합니다. 마지막으로, 플롯 방법을 사용하여 히스토그램을 그립니다.

3. 요약
이 기사에서는 팬더를 사용하여 Excel 파일을 읽고 데이터를 처리하고 분석하는 방법을 소개합니다. Pandas는 데이터 분석을 더 쉽고 효율적으로 만들기 위해 다양한 편리한 작업을 제공합니다. 데이터 분석 및 마이닝 작업에 팬더를 학습하는 것은 매우 유용할 것입니다.

위 내용은 Pandas를 사용하여 Excel 파일을 읽고 데이터 가져오기 및 분석을 쉽게 구현의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!