python数据分析应用（代码版）

想要在Jupyter Notebook打开指定的路径文件：

• 在cmd中输入jupyter notebook，直接在当前的路径打开了

  1.Numpy矩阵与通用函数使用方法

  import numpy as np#导入
  x=np.array([1,2,3])#创建变量
  y=np.array([4,5,6])
  print('数组相加结果为:',x +y)#数组相加
  print ('数组相减结果为:',x - y)#数组相减
  print('数组相乘结果为:',x* y)#数组相乘
  print('数组相除结果为:',x/y)#数组相除
  print ('数组幂运算结果为: ',x**y)#数组幂运算
  

  数组相加结果为: [5 7 9]

  

  数组相减结果为: [-3 -3 -3]

  数组相乘结果为: [ 4 10 18]

  数组相除结果为: [0.25 0.4 0.5 ]

  数组幂运算结果为: [ 1 32 729]

  可以看出来用来数组计算还是很方便的

  ---

  x=np.array([1,3,5])
  y=np.array([2,3,4])
  print('数组比较结果为:',x  y)
  print('数组比较结果为:',x== y)
  print('数组比较结果为:',x>=y)
  print ('数组比较结果为: ',x 0.0:
  	        m.append(i)
  	print(m)
  	m1=[x for x in m if x==int(x)]
  	print("删除年龄异常的数据:\n",m1)
  

  (2)来聘人员信息

  #读取信息
  import pandas as pd
  job = pd.read_csv('D:\pythonFX\jupyter\pandas\使用pandas进行预处理\来聘人员信息\hr_job.csv',index_col=0,encoding='gbk',engine='python')
  # print (xinxi)
  #1.查看缺失值的数量
  print('job每个特征缺失的数目为：\n',job.isnull().sum())
  #填补缺失值
  job['性别']=job['性别'].fillna('未知')
  job['教育水平']=job['教育水平'].fillna('未知')
  #取平均后再添加未知
  mean_num=int(job['工作次数'].mean())
  job['工作次数']=job['工作次数'].fillna(mean_num)
  #查看修改后缺失值的数量
  print('修改后缺失值的数量为：\n',job.isnull().sum())
  #2.异常值替换均值，性别异常值替换为”未知“
  job['性别'][job['性别']=='Other']='未知'
  job['工作次数'][job['工作次数']'fontsize': 15})#绘制饼鸥
  plt.title('学生考试总成绩的总体分布情况饼图',fontsize=20)
  plt.savefig('学生考试总成绩的总体分布情况饼图.png')
  plt.show()
  #绘制学生考试总成绩的总体分布情况饼圈,设置标签、离心半径、标签字体大小和标题,最后保存图片并显示。
  #绘制学生考试总成绩的总体分散情况箱线图
  p= plt.figure(figsize=(16,8))
  label=['数学成绩','阅读成绩','写作成绩']
  gdp= (list(math_grade),list(reading_grade),list(writing_grade))
  plt. boxplot(gdp, notch=True,labels=label, meanline=True)#绘制箱线图
  plt.xlabel('学生考试科目')
  plt.ylabel('学生考试分数')
  plt.title('学生各项考试成绩的总体分散情况箱线图',fontsize=20)
  plt.savefig('学生各项考试成绩的总体分散情况箱线图.png')
  plt.show()