Python数据分析基础入门(一)：获取数据源——AIU人工智能学院-经管之家官网！

从上面的代码可以看出，函数在导入.csv文件时，与read_csv()函数不同的是，即使是逗号分隔开的问价也是需要用sep指明分隔符号的，而不是像read_csv()函数那样，如果文件是逗号分隔的，则可以不用写。

read_table()函数其他参数的用法与read_csv()函数的基本一致。

4、导入sql文件

（1）Excel实现

Excel可以直接连接数据库，通过依次单击菜单栏中的数据>自其他来源导入sql文件。如果你的数据库是SQL Server，那么直接选择来自SQL Server即可；如果是MySQL数据库，那么你需要选择来自数据连接向导，然后通过建立数据向导来与MySQL连接，如下图所示：

https://p1.pstatp.com/large/pgc-image/0438e646b4ac47289a85c78773e4829f

（2）Python实现

Python导入SQL文件主要分为两步，第一步将Python与数据库进行连接，第二步是利用Python执行SQL查询语句。

将python与数据库连接时利用的是python模块，这个模块Anaconda没有，需要我们手动安装的，打开Anaconda Promt，然后输入pip install pymysql进行安装即可，安装完成以后直接用import导入就可以使用了，具体连接方法如下：

https://p1.pstatp.com/large/pgc-image/a64197f3cc334e4ba8d1796bbf59810b

连接好数据库以后，我们就可以执行SQL查询语句了，利用的是read_sql()方法。

https://p9.pstatp.com/large/pgc-image/4299470401634fba801b7b42176d833d
https://p3.pstatp.com/large/pgc-image/c881866d33ef45b5a565c0cf0226fc92

除了sql和con这两个关键参数，read_table()函数也有用来设置行索引的参数index_col，设置列索引的columns，实例如下：

https://p1.pstatp.com/large/pgc-image/b89aff67df404192a78041b2125a7164
二、新建数据

这里的新建数据主要指新建DataFrame数据，我们在之前谈到过，利用pd.Dataframe()方法进行新建。

三、熟悉数据

当我们有了数据源以后，先别急着分析，应该先熟悉数据，只有对数据充分熟悉了，才能更好的进行分析。

1、利用head预览前几行

当数据表中包含数据行数过多时，而我们又想看一下每一列数据都是什么样的数据时，就可以只把数据表中前几行数据显示出来进行查看。

（1）Excel实现

Excel其实没有严格意义的显示前几行，当你打开一个数据表时，所有的数据就全部都展示出来了，如果数据的行数过多，则可以通过滚动条来控制。

（2）Python实现

在Python中，当一个文件导入后，可以用head()方法来控制要显示哪些行。只需要在head后面的括号中输入要展示的行数即可，默认展示前5行。

https://p1.pstatp.com/large/pgc-image/9d1e07b64f5c43d4be3b622141408163

2、利用shape获取数据表的大小

熟悉数据的第一点就是先看一下数据表的大小，即数据表有多少行、多少列。

（1）Excel实现

在Excel中查看数据表有多少行，一般都是选中某一列，右下角就会出现该表的行数，如下图所示：

https://p9.pstatp.com/large/pgc-image/730c1000ba8f4dfbaf3131bc631e79b6

在Excel中选中某一行，右下角就会出现该表的列数，如下图所示：

https://p1.pstatp.com/large/pgc-image/c87d8585711d4e1e9665f9a061eba586

（2）Python实现

在Python中获取数据表的行、列数利用的是shape方法。

https://p3.pstatp.com/large/pgc-image/97d28c1449984ec6aa9a087550ae0a34

Shape方法会以元组的形式返回行、列数，上面代码中的（4,4）表示df表有4行4列数据。这里需要注意的是，Python中利用shape方法获取行数和列数时不会把行索引和列索引计算在内，而Excel中是把行索引和列索引计算在内的。

3、利用info获取数据类型

熟悉数据的第二点就是看一下数据类型，不同的数据类型的分析思路是不一样的，比如数值类型的数据可以求均值，但是字符串类型的数据就没法求均值了。

（1）Excel实现

在Excel中若想看某一列数据具体是什么类型的，只要把这一列选中，然后再菜单栏中的数字那一栏就可以看到这一列的数据类型。

年龄为数值类型，如下图所示：

https://p1.pstatp.com/large/pgc-image/b01933b8802c4cecb3c4384f7570f7da

性别为文本类型，如下图所示：

https://p9.pstatp.com/large/pgc-image/b05af5b8a5fb4f8fb81bcba7e60191ba

（2）Python实现

在Python中我们可以利用info（）方法查看数据表中的数据类型，而且不需要一列一列查看，在调用info（）方法以后就会输出整个表中所有列的数据类型。

https://p1.pstatp.com/large/pgc-image/68f2b727fccf40b1b33d26e6769af9da

通过info（）方法可以看出表df的行索引index是0到3，总共4columns，分别是编号、年龄、性别以及注册时间，且4columns中只有年龄是int类型，其他columns都是object类型，共占用内存208bytes。

4、利用describe获取数值分布情况

熟悉数据的第三点就是掌握数值的分布情况，即均值是多少，最值是多少，方差及分位数分别又是多少。

（1）Excel实现

在Excel中如果想看某列的数值分布情况，那么手动选中这一列，在Excel的右下角就会显示出这一列的平均值、计数及求和，且只显示这三个指标，如下图所示。

https://p3.pstatp.com/large/pgc-image/5540f8f1a361419bae15bd4f77a82149

（2）Python实现

在Python中只需要利用describe（）方法就可以获取所有数值类型字段的分布值。

https://p3.pstatp.com/large/pgc-image/378a5ee4a5c94ecca366e97aff22df5e
https://p1.pstatp.com/large/pgc-image/76fb5f1f126a41e787a486b0b200d190

表df中只有年龄这一列是数值类型，所以调用describe（）方法时，只计算了年龄这一列的相关数值分布情况。我们可以新建一个含有多列数值类型字段的DataFrame。

https://p9.pstatp.com/large/pgc-image/a54be320eba14a76a1ab6be7ba35b504

上面的表df中年龄、收入、家属数都是数值类型，所以在调用describe（）方法的时候，会同时计算这三列的数值分布情况。

关注“AIU人工智能实验室”，回复“录播”获取更多人工智能精选直播视频！

完 谢谢观看

「经管之家」APP：经管人学习、答疑、交友，就上经管之家！
免流量费下载资料----在经管之家app可以下载论坛上的所有资源，并且不额外收取下载高峰期的论坛币。
涵盖所有经管领域的优秀内容----覆盖经济、管理、金融投资、计量统计、数据分析、国贸、财会等专业的学习宝库，各类资料应有尽有。
来自五湖四海的经管达人----已经有上千万的经管人来到这里，你可以找到任何学科方向、有共同话题的朋友。
经管之家（原人大经济论坛），跨越高校的围墙，带你走进经管知识的新世界。
扫描下方二维码下载并注册APP