【Python数据分析与处理 实训02】 —欧洲杯信息分析（数据过滤与排序）
探索欧洲杯信息
对于下面的数据集进行简单的一些数据的分析训练
若需要源数据请私信~
读取数据
euro12 = pd.read_csv("G:\Projects\pycharmeProject\大数据比赛\泰迪智能科技\data\Euro.csv",sep=",",index_col=0)print(euro12.head(10))
通过给定的数据集，可以发现原始数据中的第一列为team，第一行为字段列名，可以在读取的时候加入
index_col=0可将第一列在读取时看成行名，这样数据集就变成每一个队伍的欧洲杯数据，当然也可以不使用该参数，根据具体情况来看。
1.将数据写出成一个excel文件
euro12.to_excel('G:\Projects\pycharmeProject\大数据比赛\泰迪智能科技\data\Euro12.xls')
通过
to_excel（）可以将结果集保存为excel表格
2.只选取Goals这一列。
print(euro12['Goals'])
3.有多少球队参与了欧洲杯？
print(euro12['Team'].nunique())
之前统计的时候，我们都使用
unique先进行去重操作，然后再进行取size，今天介绍一个新方法nunique（），n代表了个数number，可以直接获取去重数据后的个数。
4.该数据集中一共有多少列(columns)?
print(euro12.shape[1])
5.将数据集中的列Team, Yellow Cards和Red Cards单独存为一个名叫discipline的数据框。
discipline = euro12[['Team', 'Yellow Cards', 'Red Cards']] # 方式一print(discipline)discipline = euro12.loc[:, ['Team', 'Yellow Cards', 'Red Cards']] # 方式二print(discipline)
单独存为一个名叫discipline的数据框，简单的说就是提取所需要的有效列，可以通过切片的方式提取列后赋予一个新的变量来实行。
6.对数据框discipline按照先Red Cards再Yellow Cards进行排序。
print(discipline.sort_values(['Red Cards', 'Yellow Cards'], ascending=False))
排序操作，sort_values中参数传入要进行排序的列，当有多个列的时候使用[]包含起来。
7.计算每个球队拿到的黄牌数的平均值。
print(discipline.groupby('Team').agg({'Yellow Cards': 'sum'}).mean())
8.找到进球数Goals超过6的球队数据。
index1 = euro12['Goals'] > 6print(index1)print(euro12.loc[index1, :]) # 数据框的第四种索引方式：根据逻辑值进行访问
9. 选取以字母G开头的球队数据。
isG = euro12['Team'].str[0] == "G"print(isG)print(euro12.loc[isG,:])
10. 选取前7列。
print(euro12.iloc[:,0:7])
11. 选取除了最后3列之外的全部列。
print(euro12.iloc[:,:-3])
12.找到英格兰(England)、意大利(Italy)和俄罗斯(Russia)的射正率(Shooting Accuracy)。
# 方法一a = (euro12['Team'] == "England") | (euro12['Team'] == "Italy") | (euro12['Team'] == "Russia")print(a)print(euro12.loc[a,"Shooting Accuracy"])
对于逻辑访问的应用 ，首先筛选出符合条件逻辑。然后再查询Shooting Accuracy。
# 方法二euro12.set_index('Team',inplace=True)print(euro12.loc[['England','Italy','Russia'],'Shooting Accuracy'])
我们还可以使用直接提取的方式，但是首先要做一个转变，就是将Team列设定为index，上面一种方法实际上在查询的时候，也是按照逻辑值为true的index去查询的，所以在这里，使用第二种方法，我们直接将Team列设为行索引去查询。
