Aidemy　2020/10/11

Einführung

Hallo, es ist ja! Ich bin eine knusprige Literaturschule, aber ich war an den Möglichkeiten der KI interessiert, also ging ich zur AI-spezialisierten Schule "Aidemy", um zu studieren. Ich möchte das hier gewonnene Wissen mit Ihnen teilen und habe es in Qiita zusammengefasst. Ich freue mich sehr, dass viele Menschen den vorherigen zusammenfassenden Artikel gelesen haben. Vielen Dank! Dies ist der zweite Beitrag zum Datenhandling. Freut mich, dich kennenzulernen.

Dieser Artikel ist eine Zusammenfassung dessen, was Sie in "Aidemy" "in Ihren eigenen Worten" gelernt haben. Es kann Fehler und Missverständnisse enthalten. Bitte beachten Sie.

Was diesmal zu lernen ・ Einführung von Formaten, die mit Pandas konvertiert werden können -Konvertierung des Datenformats mit Pandas ・ CSV-Datei grafisch darstellen

Datenformatanalyse

Eingabe / Ausgabe von Dateien mit Pandas

-HTML, JSON, CSV und Excel haben unterschiedliche Verwendungszwecke, z. B. Webseiten, Web-APIs und Datenorganisation. Sie können diese Datenformate mit __pandas ineinander konvertieren. __ __

HTML-Scraping mit Pandas

Grundsätzlich werden Tag-Elemente wie \

und \

in HTML mit BeautifulSoup gekratzt, aber __table-Elemente \

__ werden mit Pandas gekratzt.

Über JSON

-JSON ist eine Abkürzung für "JavaScript Object Notation" und unterstützt den Datenaustausch in verschiedenen Programmiersprachen. -Die Struktur der JSON-Datei entspricht im Wesentlichen der Struktur der Variablen vom Typ Python-Wörterbuch und wird in Form von {key: value,} ausgedrückt.

Informationen zur CSV-Datei

-CSV ist "Kommagetrennte Werte", dh "Kommagetrennte Werte". Aufgrund seiner leichten und einfachen Datenstruktur wird es seit langem zum Datenaustausch verwendet. -Die CSV-Datei hat eine Struktur, die nur durch Werte getrennt ist, z. B. "a, b, c,".

Über Excel

・ Es versteht sich von selbst, dass Excel eine Tabellenberechnungssoftware ist. Da es weit verbreitet ist, wird der Bereich der Datenanalyse erweitert, wenn Excel-Scraping möglich wird. -Für jeden Excel-Namen heißt die Datei zuerst __ "Buch" __, die Tabelle in der Datei ist __ "Blatt" __, von denen die Vertikale __ "Spalte" __ ist Die Seite ist __ "Zeile" __ und jedes Element heißt __ "Zelle" __.

Datenformatkonvertierung

Lesen Sie die Datei mit DataFrame

Konvertieren Sie das oben genannte Datenformat tatsächlich. Lesen Sie zuerst die Datei __pd.read_Data type ("Dateiname") __. Beispielsweise lautet HTML "pd.read_html ()" und Excel "pd.read_excel ()".

-Schreiben Sie die Datei mit dem Datentyp _pd.to ("Dateiname") __. Auch hier ist es "pd", aber wenn Sie das DataFrame-Objekt "df" in eine HTML-Datei schreiben möchten, ist es "df.to_html ()".

Stellen Sie die Daten in der CSV-Datei grafisch dar

Grafikverfahren

"CSV-Datei lesen (read_csv)" "Diagramm mit Pandas erstellen" "Diagramm mit matplotlib zeichnen (plt.show)" ・ Von diesen ist "Erstellen von Grafiken mit Pandas" neu. Die Methode ist OK mit __ "df.plot ()" __.

data=pd.read_csv("data.csv")

data.plot()
plt.show()

Zusammenfassung

-Pandas ermöglicht den Datenaustausch zwischen verschiedenen Datenformaten. -Wenn Sie andere Datenformate in Python lesen oder schreiben, wird dies als __ "pd.read_csv ()" "df.to_html ()" __ ausgedrückt. -Die gelesene CSV-Datei kann wie __df.plot () __ grafisch dargestellt werden.

Diese Zeit ist vorbei. Vielen Dank für das Lesen bis zum Ende.

[PYTHON] Datenverarbeitung 2 Analyse verschiedener Datenformate