用python做資料分析是一件再合適不過的事情，我們舉個簡單的例子。
例如收集資料的方法是使用問卷，實驗軟體（例如，psychopy，opensesame）和觀察。
當問卷和實驗軟體使用數字應用程式時，我們當然也會以數字檔案格式（例如，excel電子**和逗號分隔，csv，檔案）獲取資料。
如果資料集非常小，則可以使用python和pandas直接建立資料框：
使用pandas read_excel讀取excel檔案，將資料集讀入python的一種方法是使用read_excel方法，該方法有許多引數。
如果要了解其他引數，請參閱read_excel文件。
這是乙個關於如何使用pandas read_excel的工作示例：
在上面的示例中，我們正在讀取excel檔案（'conflictdata.xlsx'）。 資料集只有乙個工作表，但為了清楚起見我們新增了「conflictdata」工作表名稱作為引數。 也就是說在這種情況下，sheet_name不需要我們使用。
r使用者可能熟悉最後一行，以下是列印datafrane的前x行：
您可能已經注意到，當我們閱讀上面的excel檔案時，我們沒有使用header引數。 如果我們將標題設定為none，我們將獲得數字作為列名。 不幸的是，這使得使用pandas資料框有點煩人。
我們可以傳遞乙個列名列表作為引數。 最後，由於示例xlsx檔案包含列名，我們使用skiprows跳過第一行。 注意，可以使用跳過跳過多行。 只需新增乙個列表，其中包含要跳過的行號。
這是另乙個使用python pandas讀取excel檔案的示例：
我們還可以使用pandas to_excel方法儲存新的xlsx（或覆蓋舊的，如果你喜歡這樣做的話）。
df.to_excel('newfilename.xlsx', sheet_name='newcolnames', index=false)有許多方法可用於篩選資料。 一種簡單的方法是使用查詢， 此方法類似於r中的函式子集。現在我們來篩選出「piq」大於80：
下面顯示了如何使用多個條件篩選資料框。 在這種情況下，我們從性別為男性且iq大於80的df中選擇觀察值。請注意pandas中的＆符號「＆」是首選的and運算子。
也可以使用or運算子。 在下面的示例中，我們基於年齡大於或等於40或年齡小於14的行來過濾dataframe。此外我們還可以通過列'piq'和'viq'篩選條件。
以上就是簡單用pandas進行資料分析中讀取資料、篩選資料一環，你還可以用它還做很多資料操作，是乙個很有用的工具包。
Python做資料分析，一般的流程是怎麼樣的？
程式設計新視野 作者 python是一門動態的 物件導向的指令碼語言，同時也是一門簡約，通俗易懂的程式語言。python入門簡單，可讀性強，一段好的python 閱讀起來像是在讀一篇外語文章。python這種特性稱為 偽 它可以使你只關心完成什麼樣的工作任務，而不是糾結於python的語法。另外，p...
轉行IT，學開發怎麼樣？
想要成功轉行it，會面臨著很多選擇，比如崗位的選擇，培訓機構的選擇等等。為了增加轉行成功率，一定要做好這些選擇 1 崗位選擇。it行業中技術崗位眾多，比如開發，測試，等等。如果更傾向相對輕鬆穩定的工作，並且也期望較高的薪資待遇，那麼，軟體測試是個不錯的選擇。軟體測試是近些年才得到重視的，因為軟體越來...
資料分析師怎麼樣？哪些行業資料分析師需求量最多？
近幾年，資料對於我們日常生活的影響越來越大。也許很多人會問資料分析師怎麼樣，哪些行業資料分析師需求量最多？這也使得我們有更大的信心，相信未來資料分析行業，會發展的越來越好，人工智慧會越來智慧型。醫療行業 我們都知道，日常多做保健，可以幫助人們舒筋活血，有延年益壽的好處。但其實，醫療行業的發展，還是要...