1.导入库和文件读取和文件分信息分析
import pandas as pd
import numpy as np
csvf = pd.read_csv('D:/各个站程序版本说明.csv')
csvf.info()'''
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 51 entries, 0 to 50
Data columns (total 6 columns):# Column Non-Null Count Dtype
--- ------ -------------- -----0 A 51 non-null int641 B 51 non-null int642 C 51 non-null int643 D 51 non-null int644 E 51 non-null int645 F 51 non-null int64
dtypes: int64(6)
memory usage: 2.5 KB'''csvf.head() 
统计有多少行列，查看形状
2.增加列
label = pd.Categorical(xl['交易时间'])print(label)print(label.codes)print(xl.shape)print(xl.columns)s = pd.DataFrame({'A':label.codes})xl = xl.join(s)print(xl.shape)print(xl.columns)(307, 18)
Index(['运单号', '交易时间', '寄件人', '寄件人手机号', '收件人', '收件人手机号', '寄件地', '到件地', '托寄物名称','产品类型', '交易类型', '主卡号', '副卡号', '支付方式', '消费总金额', '消费本金', '消费赠送金', '消费网点'],dtype='object')
(307, 19)
Index(['运单号', '交易时间', '寄件人', '寄件人手机号', '收件人', '收件人手机号', '寄件地', '到件地', '托寄物名称','产品类型', '交易类型', '主卡号', '副卡号', '支付方式', '消费总金额', '消费本金', '消费赠送金', '消费网点','A'],dtype='object')3.删除列
label = pd.Categorical(xl['交易时间'])print(label)print(label.codes)print(xl.shape)print(xl.columns)s = pd.DataFrame({'A':label.codes})xl = xl.join(s)print(xl.shape)print(xl.columns)del xl['交易时间']print(xl.shape)print(xl.columns)(307, 18)
Index(['运单号', '交易时间', '寄件人', '寄件人手机号', '收件人', '收件人手机号', '寄件地', '到件地', '托寄物名称','产品类型', '交易类型', '主卡号', '副卡号', '支付方式', '消费总金额', '消费本金', '消费赠送金', '消费网点'],dtype='object')
(307, 19)
Index(['运单号', '交易时间', '寄件人', '寄件人手机号', '收件人', '收件人手机号', '寄件地', '到件地', '托寄物名称','产品类型', '交易类型', '主卡号', '副卡号', '支付方式', '消费总金额', '消费本金', '消费赠送金', '消费网点','A'],dtype='object')
(307, 18)
Index(['运单号', '寄件人', '寄件人手机号', '收件人', '收件人手机号', '寄件地', '到件地', '托寄物名称', '产品类型','交易类型', '主卡号', '副卡号', '支付方式', '消费总金额', '消费本金', '消费赠送金', '消费网点', 'A'],dtype='object')Process finished with exit code 0
2.文件行列访问
1.查看列信息
csvf.columns
'''
Index(['A', 'B', 'C', 'D', 'E', 'F'], dtype='object')
'''2.列访问
（1）访问某一列
csvf['A']
'''
0 2
1 3
2 4
3 5
4 6
5 7
6 8
7 9
......
Name: A, dtype: int64
'''(2)访问几行
（3）访问指定行列 iloc[行：列]
（4） 转换为ndarray数组使用 values
3.文件分析
1.数据分组 groupby，根据列项目相同的分为一组（类似于wps的筛选功能，列条目一样的就分为一组，可以使用列表设置选择几个列）。
print(list(xl.groupby('交易时间')))
#print(list(xl.groupby(['收件人','消费赠送金']))) #根据'收件人'和'消费赠送金'分组
分组后数据访问：
for x,y in xl.groupby(['收件人','消费赠送金']):print(type(x),x)print(type(y),y)
[7 rows x 18 columns]
<class 'tuple'> ('马*', 1.5)
<class 'pandas.core.frame.DataFrame'> 运单号 交易时间 寄件人 ... 消费本金 消费赠送金 消费网点
1 SF1439857656942 2023-06-30 08:58:06 程*纪 ... 13.5 1.5 总部基地业务部
14 SF1409118353807 2023-06-25 10:42:45 邓*丝 ... 13.5 1.5 总部基地业务部
91 SF1439946551252 2023-06-09 08:50:48 李*平 ... 13.5 1.5 总部基地业务部
145 SF1439654255452 2023-06-06 18:46:12 郭*超 ... 13.5 1.5 总部基地业务部
156 SF1500739309308 2023-06-06 08:35:51 吴*宁 ... 13.5 1.5 总部基地业务部[5 rows x 18 columns]
<class 'tuple'> ('马*', 2.3)
<class 'pandas.core.frame.DataFrame'> 运单号 交易时间 寄件人 ... 消费本金 消费赠送金 消费网点
29 SF1445516848370 2023-06-15 17:40:43 王*玉 ... 20.7 2.3 总部基地业务部[1 rows x 18 columns]
<class 'tuple'> ('魏*', 0.0)
<class 'pandas.core.frame.DataFrame'> 运单号 交易时间 寄件人 ... 消费本金 消费赠送金 消费网点
219 SF1401907161910 2023-06-04 09:55:04 徐*彤 ... 18.0 0.0 总部基地业务部
226 SF1144693557714 2023-06-03 08:48:05 吴*磊 ... 13.0 0.0 总部基地业务部
249 SF1455224508209 2023-06-02 19:12:41 马*民 ... 13.0 0.0 总部基地业务部
255 SF1455384435201 2023-06-02 17:13:43 廖* ... 14.0 0.0 总部基地业务部
281 SF1439613136618 2023-06-02 08:14:34 周* ... 13.0 0.0 总部基地业务部
296 SF1417967024361 2023-06-02 08:11:55 韩*云 ... 13.0 0.0 总部基地业务部[6 rows x 18 columns]
<class 'tuple'> ('魏*', 1.3)
<class 'pandas.core.frame.DataFrame'> 运单号 交易时间 寄件人 ... 消费本金 消费赠送金 消费网点
81 SF1450444235259 2023-06-09 08:54:56 王* ... 11.7 1.3 总部基地业务部
92 SF1448510238715 2023-06-09 08:50:48 王* ... 11.7 1.3 总部基地业务部
107 SF1442505158813 2023-06-08 11:06:36 逯* ... 11.7 1.3 总部基地业务部
108 SF1439924609383 2023-06-08 11:06:36 杨*兰 ... 11.7 1.3 总部基地业务部
113 SF1454134351248 2023-06-08 08:22:34 赵* ... 11.7 1.3 总部基地业务部
128 SF1439652204704 2023-06-07 08:21:44 徐*涛 ... 11.7 1.3 总部基地业务部
167 SF1442573948215 2023-06-06 08:34:23 裴* ... 11.7 1.3 总部基地业务部
178 SF1429069960969 2023-06-06 08:34:23 韩*宇 ... 11.7 1.3 总部基地业务部[8 rows x 18 columns]
<class 'tuple'> ('魏*', 1.5)
<class 'pandas.core.frame.DataFrame'> 运单号 交易时间 寄件人 ... 消费本金 消费赠送金 消费网点
171 SF1429046446869 2023-06-06 08:34:23 郭*丹 ... 13.5 1.5 总部基地业务部
172 SF1150185008864 2023-06-06 08:34:23 王*宁 ... 13.5 1.5 总部基地业务部[2 rows x 18 columns]
分组后简单统计:
print( xl.groupby(['收件人', '消费赠送金']).size())收件人 消费赠送金
刘* 1.1 1
孔*新 0.0 1
孔*燕 0.0 31.3 1
孙*英 1.3 1..
马* 1.5 52.3 1
魏* 0.0 61.3 81.5 2
Length: 100, dtype: int64Process finished with exit code 0
2.列对比筛选
print(xl[xl['消费赠送金']>1.4])
3.返回列的唯一编码
print(xl['消费赠送金'].unique()) 
4.文件数字化
1.把列文本的转为数字编码
label = pd.Categorical(xl['交易时间'])
print(label)
print(label.codes)Categories (122, object): ['2023-06-01 09:11:06', '2023-06-01 09:11:46', '2023-06-01 09:12:10','2023-06-01 09:12:52', ..., '2023-06-30 08:57:39', '2023-06-30 08:57:52','2023-06-30 08:58:06', '2023-06-30 08:58:36']
[121 120 119 118 117 116 115 114 113 112 111 110 109 108 107 106 105 104103 102 101 100 99 98 97 96 96 95 94 93 92 92 92 92 91 9191 91 91 91 90 89 88 87 87 87 86 85 84 84 83 83 82 8180 79 79 79 79 79 79 79 79 79 79 79 79 79 78 77 76 7575 75 75 75 75 75 75 75 74 73 72 72 72 72 71 71 71 7171 71 71 71 71 71 71 71 71 71 70 70 70 69 68 67 67 6666 65 64 63 63 62 62 62 62 62 62 62 62 62 62 62 62 6262 62 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 6161 60 60 60 59 58 57 56 55 54 53 53 52 51 50 50 49 4848 48 48 48 48 48 48 48 48 48 48 48 48 48 48 48 48 4848 48 47 46 45 44 43 42 42 42 42 41 40 40 39 38 38 3736 35 34 33 33 33 33 33 33 33 33 33 33 33 33 33 32 3130 29 28 27 26 25 24 23 23 22 22 22 22 22 22 22 22 2222 22 22 22 22 22 22 22 22 22 22 22 22 21 20 19 18 1716 16 15 15 15 15 15 15 14 14 13 13 12 11 11 10 10 1010 10 10 10 10 10 10 10 10 10 10 10 9 9 9 9 9 99 9 9 9 9 9 9 9 9 9 8 7 6 5 4 3 2 10]2.独热编码（统计这个列有多少属性（唯一值），然后把该列转换为独热编码，相当于根据唯一值设置为列，对应的编码的列，使用某个唯一值，该唯一值置位1，其他置位0）。
t = pd.get_dummies(xl['产品类型'])print(xl['产品类型'].unique())print(type(t))print(t)
['顺丰标快' nan '陆运包裹' '同城半日达' '顺丰即日' '顺丰特快' '便利箱产品']
<class 'pandas.core.frame.DataFrame'>便利箱产品 同城半日达 陆运包裹 顺丰即日 顺丰标快 顺丰特快
0 0 0 0 0 1 0
1 0 0 0 0 1 0
2 0 0 0 0 1 0
3 0 0 0 0 1 0
4 0 0 0 0 1 0
.. ... ... ... ... ... ...
302 0 0 0 0 1 0
303 0 0 0 0 1 0
304 0 0 1 0 0 0
305 0 0 1 0 0 0
306 0 0 0 0 1 0[307 rows x 6 columns]
