《深入浅出Pandas》数据集下载

公告

《深入浅出Pandas：利用Python进行数据处理与分析》已出版，各大电商平台均有销售。跟作者学习，请进入 Python学习课程。欢迎关注作者的相关书籍《Python之光》。

《深入浅出Pandas：利用Python进行数据处理与分析》及盖若网站 Pandas教程中使用的相关数据集。为了降低读者的认知成本，本书在讲解过程中使用统一的数据集，同时也尽量使用极简的数据集，因此全书所使用的数据集较少。

书籍和教程使用到以下数据集，可根据需要下载学习使用：

文件

在整个书籍中，广泛使用了为文件名为 team.xlsx 的数据集：

https://gairuo.com/file/data/dataset/team.xlsx

在案例部分，使用到了以下数据集：

https://gairuo.com/file/data/dataset/sample-salesv3.xlsx
https://gairuo.com/file/data/dataset/GDP-China.csv
https://gairuo.com/file/data/dataset/countries-aggregated.csv
https://gairuo.com/file/data/dataset/iris.data

字符文本数据

在书中的讲解中，大量使用到了一些文本数据集，以下按首次出现章节顺序进行整理。

第1章

1.2.3：

# 清华大学提供的镜像站点
https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

第2章

2.4.1：

'''
中国  14.34
美国  21.43
日本  5.08
dtype: float64
'''

2.4.3：

'''
       人口    GDP
中国  13.97  14.34
美国   3.28  21.43
日本   1.26   5.08
'''

2.5.2：

df = pd.DataFrame({'国家': ['中国', '美国', '日本'],
                   '地区': ['亚洲', '北美', '亚洲'],
                   '人口': [13.97, 3.28, 1.26],
                   'GDP': [14.34, 21.43, 5.08],
                  })

2.5.4：

d = {'国家': ['中国', '美国', '日本'],
     '人口': [14.33, 3.29, 1.26]}

第3章

3.1.3：

jdata='{"res":{"model":"iPhone","browser":"Safari","version":"604.1"},"status":200}'

3.1.5：

'''
  x y z
a 1 2 3
b 4 5 6
c 7 8 9
'''

3.2.2：

data = ('col1,col2,col3\n'
        'a,b,1\n'
        'a,b,2\n'
        'c,d,3')

data = (b'word,length\n'
        b'Tr\xc3\xa4umen,7\n'
        b'Gr\xc3\xbc\xc3\x9fe,5')

第8章

8.2.1：

# 索引
index_arrays = [[1, 1, 2, 2], ['男', '女', '男', '女']]
# 列名
columns_arrays = [['2019', '2019', '2020', '2020'],
                  ['上半年', '下半年', '上半年', '下半年',]]
# 索引转移为多层
index = pd.MultiIndex.from_arrays(index_arrays,
                                  names=('班级', '性别'))
# 列名转换为多层
columns = pd.MultiIndex.from_arrays(columns_arrays,
                                    names=('年份', '学期'))
# 应用在 DataFrame 中
df = pd.DataFrame([(88,99,88,99),(77,88,97,98),
                   (67,89,54,78),(34,67,89,54)],
                  columns=columns, index=index)

第9章

9.1.2：

df = pd.DataFrame({
    'A':['a1', 'a1', 'a2', 'a2', 'a3', 'a3'],
    'B':['b1', 'b2', 'b3', 'b1', 'b2', 'b3'],
    'C':['c1', 'c2', 'c3', 'c4', 'c5', 'c6'],
    'D':['d1', 'd2', 'd3', 'd4', 'd5', 'd6'],
})

9.1.4：

df = pd.DataFrame({
    'A':['a1', 'a1', 'a1', 'a2', 'a2', 'a2'],
    'B':['b2', 'b2', 'b1', 'b1', 'b1', 'b1'],
    'C':['c1', 'c1', 'c2', 'c2', 'c1', 'c1'],
    'D':[1, 2, 3, 4, 5, 6]
})

9.1.5：

df = pd.DataFrame({
    'A':['a1', 'a1', 'a1', 'a2', 'a2', 'a2'],
    'B':['b2', 'b2', 'b1', 'b1', 'b1', 'b1'],
    'C':['c1', 'c1', 'c2', 'c2', 'c1', 'c1'],
    'D':[1, 2, 3, 4, 5, 6],
    'E':[9, 8, 7, 6, 5, 4]
})

9.2.2：

df = pd.DataFrame({
    'A':['a1', 'a1', 'a2', 'a2'],
    'B':['b1', 'b2', 'b1', 'b2'],
    'C':[1, 2, 3, 4],
    'D':[5, 6, 7, 8],
    'E':[5, 6, 7, 8]
})

9.3.2：

df = pd.DataFrame({
    'A':['a1', 'a1', 'a2', 'a2', 'a1'],
    'B':['b2', 'b1', 'b2', 'b2', 'b1'],
    'C':[1, 2, 3, 4, 5],
})

9.4.2：

df = pd.DataFrame({
    'A':['a1', 'a2', 'a3', 'a4', 'a5'],
    'B':['b1', 'b2', 'b3', 'b4', 'b5'],
    'C':[1, 2, 3, 4, 5],
})

9.5.2：

df = pd.DataFrame({
    'A':['a1', 'a2', 'a3', 'a4', 'a5'],
    'B':['b1', 'b2', 'b3', 'b4', 'b5'],
    'C':[1, 2, 3, 4, 5],
})

9.6.2：

df = pd.DataFrame({'a': list('adcb'),
                   'b': list('fehg'),
                   'a1': range(4),
                   'b1': range(4,8)})

第10章

10.1.1：

df = pd.DataFrame({
    'A':['a1', 'a1', 'a2', 'a2'],
    'B':['b1', 'b2', None, 'b2'],
    'C':[1, 2, 3, 4],
    'D':[5, 6, None, 8],
    'E':[5, None, 7, 8]
})

10.4.1：

df = pd.DataFrame({
    'A': ['x', 'x', 'z'],
    'B': ['x', 'x', 'x'],
    'C': [1, 1, 2]
})

11.1.1：

df = pd.DataFrame({
    'A':['a1', 'a1', 'a2', 'a2'],
    'B':['b1', 'b2', None, 'b2'],
    'C':[1, 2, 3, 4],
    'D':[5, 6, None, 8],
    'E':[5, None, 7, 8]
})

第17章

17.1.2：

'''
date gmv
2020-11-10 100
2020-11-09 88
2020-11-08 77
2020-11-07 65
2020-11-06 57
2020-11-05 68
2019-11-10 44
2019-11-09 57
2019-11-08 34
2019-11-07 88
2019-11-06 65
'''

17.2.3：

'''
A B C D
a b1 c 2001
a b1 c 2003
a b1 c 2005
a b2 c 2001
a b2 c 2002
a b2 c 2003
a b2 c 2004
'''

17.2.4：

df = pd.DataFrame({
    'A':[1,2,4,5,6],
    'B':[2,4,6,9, 10],
    'C':[2,1,7,2, 1]
})

17.2.5：

df = pd.DataFrame({
    'A':[1,2,4,5,-6],
    'B':[2,-1,8,2, 1],
    'C':[2,-1,8,2, 1]
},
    index=['x', 'y', 'z', 'h', 'i']
)

17.2.7：

# 北京各区最后一例确诊日期
'''
地区 最后一例确诊日期
顺义区 2020-02-08
平谷区 Nan
昌平区 2020-08-06
大兴区 2020-06-30
密云区 2020-02-11
石景山区 2020-06-14
海淀区 2020-06-25
东城区 2020-06-16
门头沟区 2020-06-15
房山区 2020-06-15
延庆区 2020-01-23
怀柔区 2020-02-06
朝阳区 2020-06-21
西城区 2020-06-22
通州区 2020-06-20
丰台区 2020-07-05
'''

17.2.8：

'''
节日  开始日期  结束日期
元旦  2020-01-01  2020-01-01
除夕  2020-01-24  2020-01-24
清明节 2020-04-04  2020-04-04
劳动节 2020-05-01  2020-05-01
端午节 2020-06-25  2020-06-25
国庆节 2020-10-01  2020-10-01
'''

17.2.11：

ts = '''
2020-10-28 09:59:44
2020-10-29 10:01:32
2020-10-30 10:04:27
2020-11-02 09:55:43
2020-11-03 10:05:03
2020-11-04 09:44:34
2020-11-05 10:10:32
2020-11-06 10:02:37
'''

17.3.3：

# https://bj.lianjia.com/xiaoqu/1111027382589/

17.3.4：

# https://www.creprice.cn/rank/index.html
# 2020年10月数据
'''
序号  城市名称    平均单价（元/㎡）   环比  同比
1   深圳  78,722  +2.61%  +20.44%
2   北京  63,554  -0.82%  -1.2%
3   上海  58,831  +0.4%   +9.7%
4   厦门  48,169  -0.61%  +9.52%
5   广州  38,351  -1.64%  +13.79%
6   三亚  35,981  -0.19%  -3.88%
7   南京  33,301  +1.59%  +8.02%
8   杭州  32,181  +3.11%  +4.61%
9   天津  26,397  +2.34%  +3.5%
10  福州  25,665  -1.05%  -4.1%
11  宁波  24,306  -1.43%  +13.13%
12  珠海  23,293  -1.42%  -0.49%
13  温州  23,009  +3.01%  +7.01%
14  苏州  22,540  -1.35%  -2.8%
15  青岛  21,490  -1.7%   +1.95%
16  东莞  21,391  +6% +34.44%
17  丽水  19,775  +2.3%   -1.78%
18  武汉  19,021  -0.18%  +4.51%
19  成都  17,443  -2.41%  +11.84%
20  无锡  17,131  -0.27%  +12.5%
'''

17.3.5：

data = '''
对话开始 >>
李庆辉 2020-05-15 12:33:50
    你好，可以退货吗
客服999 2020-05-15 12:33:55 >>
    工号999很高兴为您服务~。
客服999 2020-05-15 12:33:53
    您好
客服999 2020-05-15 12:34:04
    您可以自己操作申请取消订单的。
李庆辉 2020-05-15 12:34:04
    退款多久到账呢？
客服999 2020-05-15 12:34:28
    一般1-7个工作日
李庆辉 2020-05-15 12:35:01
    OMG! 好久呢
李庆辉 2020-05-15 12:40:55
    能不能快点
客服999 2020-05-15 12:42:23
    一般情况下很快就会到账的。
李庆辉 2020-05-15 12:43:04
    OMG! 好久呢
客服999 2020-05-15 12:44:01
    一般情况下很快就会到账的。
对话结束  >>
    长时间未回复，对话结束
'''
# 注：会话内容前上一个制表符，直接复制可能是空格，可以进行替换或者调整代码

17.3.7：

css = '''
<style>
    table {
        border: 1px solid #aac1de;
        border-collapse: collapse;
        border-spacing: 0;
        color: black;
        text-align: center;
        font-size: 11px;
        min-width: 100%;
    }

    thead {
        border-bottom: 1px solid #aac1de;
        vertical-align: bottom;
        background-color: #eff5fb;
    }

    tr {
        border: 1px dotted #aac1de;
    }

    td {
        vertical-align: middle;
        padding: 0.5em;
        line-height: normal;
        white-space: normal;
        max-width: 150px;
    }

    th {
        font-weight: bold;
        vertical-align: middle;
        padding: 0.5em;
        line-height: normal;
        white-space: normal;
        max-width: 150px;
        text-align: center;
    }
</style>
'''

其他内容如有需要请联系作者（在书籍主页有联系方式）。

<< 书籍介绍深入浅出Pandas 书中案例代码 >>

更新时间：2022-04-14 12:01:22 标签：pandas 数据集