python數學建模之三大模型與十大常用算法詳情

'''
當使用Pandas做數據分析時，需要讀取事先準備好的數據集，這是做數據分析的第一步。
Pandas提供瞭多種讀取數據的方法：
read_csv()      用於讀取文本文件
read_excel()    用於讀取文本文件
read_json()     用於讀取json文件
read_sql_query()讀取sql語句的

通用流程：
1-導入庫import pandas as pd
2-找到文件所在位置（絕對路徑=全稱）（相對路徑=和程序在同一個文件夾中的路徑的簡稱）
3-變量名=pd.讀寫操作方法（文件路徑，具體的篩選條件，...）
./  當前路徑
../ 上一級
將csv中的數據轉換為DataFrame對象是非常便捷。和一般文件讀寫不一樣，它不需要你做打開文件、
讀取文件、關閉文件等操作。相反，您隻需要一行代碼就可以完成上述所有步驟，並將數據存儲在
DataFrame中。

'''
import pandas as pd
# 輸入參數：數據輸入的路徑【可以是文件路徑，可以是URL，也可以是實現read方法的任意對象。】
df = pd.read_csv('s')
print(df, type(df))
# Pandas默認使用utf-8讀取文件
print()
import pandas as pd

lxw = open(r"t.csv", encoding='utf-8')
print(pd.read_csv(lxw))
print()
import os

# 打印當前目錄
print(os.getcwd())

# 1:
import pandas as pd
df = pd.read_csv('nba.csv')
print(df)
# 2:
import pandas as pd
df = pd.read_csv('nba.csv')
# to_string() 用於返回 DataFrame 類型的數據，如果不使用該函數，則輸出結果為數據的前面 5 行和末尾 5 行，中間部分以 ... 代替(如上）
print(df.to_string())
# 3:
import pandas as pd

# 三個字段 name, site, age
nme = ["Google", "Runoob", "Taobao", "Wiki"]
st = ["www.google.com", "www.runoob.com", "www.taobao.com", "www.wikipedia.org"]
ag = [90, 40, 80, 98]
# 字典
dict = {'name': nme, 'site': st, 'age': ag}
df = pd.DataFrame(dict)
# 保存 dataframe
print(df.to_csv('site.csv'))
# 4:
import pandas as pd

df = pd.read_csv('正解1.csv')
# head( n ) 方法用於讀取前面的 n 行，如果不填參數 n ，默認返回 5 行
# print(df.head())
# df.head(50).to_csv('site4.csv')
df.tail(10).to_csv('site4.csv')
print("over!")
# 5:
import pandas as pd
df = pd.read_csv('nba.csv')
# 讀取前面 10 行
print(df.head(10))
# 6:
import pandas as pd
df = pd.read_csv('nba.csv')
# tail( n ) 方法用於讀取尾部的 n 行，如果不填參數 n ，默認返回 5 行，空行各個字段的值返回 NaN
print(df.tail())
# 7:
import pandas as pd

df = pd.read_csv('nba.csv')
#  讀取末尾 10 行
print(df.tail(10))
# 8:
import pandas as pd
df = pd.read_csv('正解1.csv')
# info() 方法返回表格的一些基本信息
print(df.info())
# non-null 為非空數據，我們可以看到上面的信息中，總共 458 行，College 字段的空值最多

import pandas as pd
lxw = pd.read_csv('nba.csv')
# 查看前幾行數據
print(lxw.head())
# 查看索引列
print(lxw.index)
# 查看列名列表
print(lxw.columns)
# 查看數據的形狀（返回行、列數）
print(lxw.shape)
# 查看每列的數據類型
print(lxw.dtypes)
print()
# 讀取txt文件，自己指定分隔符、列名
fpath = 'D:\PyCharm\數學建模大賽\數據分析-上-2\Python成績.csv'

lxw = pd.read_csv(
    fpath,
    sep=',',
    header=None,
    names=['name', 'Python-score']
)
# print(lxw)
lxw.to_csv('Python成績2.csv')
# 讀取excel文件：
import pandas as pd
lxw = pd.read_excel('暑假培訓學習計劃.xls')
print(lxw)

'''
1-Series：  一維數據，一行或一列
【Series是一種類似於一維數組的對象，它由一組數據（不同數據類型）以		    及一組與之相關的數據標簽（即索引）組成】
2-DataFrame:二維數據，整個表格，多行多列
'''
import pandas as pd
# 1-1僅用數據列表即可產生最簡單的Series
lxw = pd.Series([1, 'a', 5.2, 6])
print(lxw)      # 運行結果解說：左邊為索引，右邊為數據
# 獲取索引
print(lxw.index)
# 獲取數據
print(lxw.values)
print()
# 1-2 創建一個具有索引標簽的Series
lxw2 = pd.Series([5, '程序人生6', 666, 5.2], index=['sz', 'gzh', 'jy', 'xy'])
print(lxw2)
print(lxw2.index)
# 寫入文件當中
lxw2.to_csv('gzh.csv')
print()
# 1-3 使用過Python字典創建Series
lxw_ej = {'python': 390, 'java': 90, 'mysql': 90}
lxw3 = pd.Series(lxw_ej)
print(lxw3)
# 1-4 根據標簽索引查詢數據
print(lxw3['java'])
print(lxw2['gzh'])
print(lxw2[['gzh', 'jy']])
print(type(lxw2[['gzh', 'jy']]))
print(lxw[2])
print(type(lxw[2]))
print()
# 2 根據多個字典序列創建dataframe
lxw_cj = {
    'ps': [86, 92, 88, 82, 80],
    'windows操作系統': [84, 82, 88, 80, 92],
    '網頁設計與制作': [92, 88, 97, 98, 83]
}
df = pd.DataFrame(lxw_cj)

# print(df)
# df.to_excel('lxw_cj.xlsx')      # 須提前安裝好openxlsx,即pip install openpyxl[可在終端安裝]
print("over!")
print(df.dtypes)
print(df.columns)
print(df.index)
print()
# 3-從DataFrame中查詢Series
'''
·如果隻查詢一行、一列的話，那麼返回的就是pd.Series
·如果查詢多行、多列時，返回的就是pd.DataFrame

'''
# 一列：
print(df['ps'])
print(type(df['ps']))
# 多列：
print(df[['ps', 'windows操作系統']])
print(type(df[['ps', 'windows操作系統']]))

print()
# 一行：
print(df.loc[1])
print(type(df.loc[1]))
# 多行：
print(df.loc[1:3])
print(type(df.loc[1:3]))

# DataFrame數據類型
'''
DataFrame是Pandas的重要數據結構之一，也是在使用數據分析過程中最常用的結構之一，
可以這麼說，掌握瞭Dataframe的用法，你就 擁有瞭學習數據分析的基本能力。

'''
# 認識Dataframe結構：
'''
Dataframe是一個表格型的數據結構，既有行標簽，又有列標簽，她也被稱異構數據表，所謂
異構，指的是表格中每列的數據類型可以不同，比如可以是字符串、整型或者浮點型等。

Dataframe的每一列數據都可以看成一個Series結構，隻不過，Dataframe為每列數據值增加瞭
一個標簽。因此Dataframe其實是從Series的基礎上演變而來，並且他們有相同的標簽，在數據分析
任務中Dataframe的應用非常廣泛，因此描述數據的更為清晰、直觀。

同Series一樣，Dataframe自帶行標簽索引，默認為“隱式索引”。
當然，你也可以用“顯式索引”的方式來設置行標簽。

'''
# 特點：
'''
Dataframe   每一列的標簽值允許使用不同的數據類型；
Dataframe   是表格型的數據結構，具有行和列；
Dataframe   中的每個數據都可以被修改
Dataframe   結構的行數、列數允許增加或者刪除
Dataframe   有兩個方向的標簽軸，分別是行標簽和列標簽
Dataframe   可以對行和列執行算術運算

'''
# DataFrame 構造方法如下：

# pandas.DataFrame( data, index, columns, dtype, copy)
'''
data：輸入的數據，可以是ndarray, series, list, dict, 標量以及一個Dataframe；

index：行標簽，如果沒有傳遞index值，則默認行標簽是RangeIndex(0, 1, 2, ..., n)代表data的元素個數；

columns：列標簽，如果沒有傳遞columns值，則默認列標簽是RangIndex（0, 1, 2, ..., n)；

dtype:要強制的數據類型，隻允許使用一種數據類型，如果沒有，自行推斷；

copy:從輸入復制數據。對於dict數據, copy=True, 重新復制一份。對於Dataframe或者ndarray輸入，類似於copy=False,它用的是試圖。

'''
# 1: 使用普通列表創建
import pandas as pd
lxw = [5, 2, 1, 3, 1, 4]
df = pd.DataFrame(lxw)
df2 = pd.Series(lxw)
print(df)
print(df2)
print()
# 2:使用嵌套列表創建
import pandas as pd
lxw = [['lxw', 21], ['cw', 23], ['tzs', 22]]
df3 = pd.DataFrame(lxw, columns=['Name', 'Age'])
print(df3)
# 指定數值元素的數據類型為float
# 註：dtype隻能設置一個，設置多個列的數據類型，需要使用其他公式
print()
# 分配列標簽註意點
import pandas as pd
# 分配列標簽
lxw2 = [['lxw', '男', 21, 6666], ['cw', '女', 22, 6520], ['ky', '女', 20, 5200], ['tzs', '男', 22, 6523]]
# int滿足某列特征，會自動使用，不滿足，則會自動識別
df = pd.DataFrame(lxw2, columns=['Name', 'xb', 'age', 'gz'], dtype=int)
print(df)
print(df['Name'].dtype)
print()
# ~字典創建：
import pandas as pd
lxw3 = [{'a': 1, 'b': 2}, {'a': 5, 'b': 8, 'c': 9}]
df = pd.DataFrame(lxw3, index=['first', 'second'])
print(df)
# 註：如果其中某些元素缺失，也就是字典的key無法找到對應的value將使用NaN代替
print()
# 使用列表嵌套字典創建一個DataFrame對象
import pandas as pd
# lxw3
df1 = pd.DataFrame(lxw3, index=['first', 'second'], columns=['a', 'b'])
df2 = pd.DataFrame(lxw3, index=['first', 'second'], columns=['a', 'b2'])
print(df1)
print("============================================")
print(df2)

import pandas as pd
data = [['lxw', 10], ['wink', 12], ['程序人生6', 13]]
df = pd.DataFrame(data, columns=['Site', 'Age'], dtype=float)
print(df)
# 1：使用 ndarrays 創建
import pandas as pd
data = {'Site': ['lxw', '程序人生6', 'wink'], 'Age': [10, 12, 13]}
df = pd.DataFrame(data)
print(df)
# 2：還可以使用字典（key/value），其中字典的 key 為列名:
import pandas as pd
data = [{'a': 1, 'b': 2}, {'a': 5, 'b': 10, 'c': 20}]
df = pd.DataFrame(data)
print(df)
# 沒有對應的部分數據為 NaN
# 3：Pandas 可以使用 loc 屬性返回指定行的數據，如果沒有設置索引，第一行索引為 0，第二行索引為 1，以此類推：
import pandas as pd
data = {
  "calories": [420, 380, 390],
  "duration": [50, 40, 45]
}
# 數據載入到 DataFrame 對象
df = pd.DataFrame(data)
# 返回第一行
print(df.loc[0])
# 返回第二行
print(df.loc[1])
print(df.loc[2])
# 註意：返回結果其實就是一個 Pandas Series 數據。
# 也可以返回多行數據，使用 [[ ... ]] 格式，... 為各行的索引，以逗號隔開：

# Pandas Series 類似表格中的一個列（column），類似於一維數組，可以保存任何數據類型。
'''
Series 由索引（index）和列組成，函數如下：
pandas.Series( data, index, dtype, name, copy)
參數說明：
data：一組數據(ndarray 類型)。
index：數據索引標簽，如果不指定，默認從 0 開始。
dtype：數據類型，默認會自己判斷。
name：設置名稱。
copy：拷貝數據，默認為 False。

'''
import pandas as pd
lxw = [1, 2, 3]
myvar = pd.Series(lxw)
print(myvar)
print()
# 如果沒有指定索引，索引值就從 0 開始，我們可以根據索引值讀取數據
print(myvar[1])
print()
import pandas as pd
lxw = ["Google", "Runoob", "Wiki"]
myvar2 = pd.Series(lxw, index=['x', 'y', 'z'])
print(myvar2)
print()
# 根據索引值讀取數據:
print(myvar2['y'])
print()
# 也可以使用 key/value 對象，類似字典來創建 Series
import pandas as pd
lxw = {1: "Google", 2: "Runoob", 3: "Wiki"}
myvar3 = pd.Series(lxw)
print(myvar3)
print()
# 隻需要字典中的一部分數據，隻需要指定需要數據的索引即可
myvar3 = pd.Series(lxw, index=[1, 2])
print(myvar3)
print()
# 設置 Series 名稱參數
import pandas as pd
lxw = {1: "Google", 2: "Runoob", 3: "Wiki"}
myvar4 = pd.Series(lxw, index=[1, 3], name="lxw-pro")
print(myvar4)

# Pandas查詢數據的四種方法：
'''
1-df.loc方法，根據行、列的標簽值查詢
2-df.iloc方法，根據行、列的數字位置查詢
3-df.where方法
4-df.query方法
建議：.loc既能查詢，又能覆蓋寫入，強烈推薦！

'''
# Pandas使用df.loc查詢數據的方法：
'''
1-使用單個label值查詢數據
2-使用值列表批量查詢
3-使用數值區間進行范圍查詢
4-使用條件表達式查詢
5-調用函數查詢

'''
# 註：以上方法，即適用於行，也使用於列
import pandas as pd
df = pd.read_csv('sites.csv')
# print(df.head(10))
df.set_index('create_dt', inplace=True)
# print(df.index)
a = df.index
# 去重->轉為列表->排順序
qc = sorted(list(set(a)))
# print(qc)

# 替換掉利潤率當中的後綴%
df.loc[:, 'lrl'] = df['lrl'].str.replace("%", "").astype('int32')   # astype()    對數據類型進行轉換

'''
Python中與數據類型相關函數及屬性有如下三個：type/dtype/astype
type()    返回參數的數據類型    
dtype    返回數組中元素的數據類型    
astype()    對數據類型進行轉換    
你可以使用 .astype() 方法在不同的數值類型之間相互轉換。a.astype(int).dtype # 將 a 的數值類型從 float64 轉換為 int
'''

# 替換掉利潤率當中的後綴%
df['lrl'] = df['lrl'].map(lambda x: x.rstrip('%'))
print(df)

# 查詢數據類型
print(df.dtypes)
# 打印文件前幾行
print(df.head())

print(df.loc['2016-12-02', 'yye'])   # 得到指定時間裡相對應的的單個值

# 得到指定時間內相對應的的一個Series
print(df.loc['2016-11-30', ['sku_cost_prc', 'sku_sale_prc']])

# 得到Series 
print(df.loc[['2016-12-05', '2016-12-31'], 'sku_sale_prc'])

# 得到DataFrame
print(df.loc[['2016-12-08', '2016-12-12'], ['sku_cnt', 'sku_sale_prc']])

# 行index按區間：
print(df.loc['2016-12-02': '2016-12-08'], ['yye'])

# 列index按區間：
print(df.loc['2016-12-12', 'yye': 'lrl'])

# 行和列都按區間查詢：
print(df.loc['2016-11-30': '2016-12-02', 'sku_cnt': 'lrl'])

# 簡單條件查詢，營業額低於3的列表
print(df.loc[df['yye'] < 3, :])

# 可觀察營業額的boolean條件
print(df['yye'] < 3)

# 復雜條件查詢：
print(df.loc[(df['yye'] < 5) & (df['yye'] > 2) & (df['sku_cnt'] > 1), :])

# 再次觀察這裡的boolean條件
print((df['yye'] < 5) & (df['yye'] > 2) & (df['sku_cnt'] > 1))

# 直接寫lambda表達式
print(df.loc[lambda df: (df['yye'] < 4) & (df['yye'] > 2), :])

# 函數式編程的本質：
# 函數本身可以像變量一樣傳遞
def my_query(df):
    return df.index.str.startswith('2016-12-08')
print(df.loc[my_query, :])