Pandas请你吃英超联赛积分榜上没有的瓜！
点击上方关注，all in ai中国
18-19赛季英超联赛冠军争夺赛即将到来，在接下来的几场比赛中，冠军候选席位争夺日益激烈。最终冠军将花落谁家呢？
接下来，让我们用python pandas来解析英超联赛表，并展示如何开始使用python进行一些积分榜中没有的探索性分析。
网页数据抓取
pandas有一个内置函数read_html()，它使用库lxml和beautiful soup自动将html文件中的数据解析为数据框对象。首先，需要安装read_html()使用的一些附加库。在终端输入:
pip install lxml
pip install beautifulsoup4 html5lib
pandas read_html函数有许多自定义选项，但默认情况下它会搜索并尝试解析标记中包含的所有表格数据，这会生成一个数据框对象列表。
导入pandas库，使用read_html函数来解析premier league table，将其分配给变量prem_table。我们采用的第一个元素，时间是英超联赛表中截至20/04/19英国夏令时22:00。大多数人的焦点都集中在前4名的争夺上，所以我们来使用.head()方法可视化这个表中的前6个条目。为了保证准确，使用shape属性并显示出一共有21行、12列。这个操作是有必要的，因为python是从0开始计算行数的，我们知道英超共有20支英超球队，因此数据其实是多一行的。可以看出，数据框开头部分是没有问题的，所以有问题的是应该是数据框末尾数据。
import pandas as pd
prem_table = pd.read_html(]
print(len(prem_table))
print(type(prem_table))
print(premier_table.head(6))
# output
1
由于任务是对数据进行探索性分析，所以我最初想“清理”数据。但是看起来没必要在数据框中使用“unnamed: 1”列。 我们使用drop方法，删除列，传入关键字参数“axis = 1”进行逐列删除。
premier_table.columns
index([unnamed: 0, unnamed: 1, team, p, w, d, l, f, a, gd,
pts, form],
dtype=object)
premier_league = premier_table.drop([unnamed: 1], axis=1)
premier_league.head(6)
数据框中的数据类型
数据框中的每一列都可以被认为是一个系列，其中每列必须属于同一类型。 但是，每行可以是不同类型的。由于我们需要分析数据，所以需要解读每个系列的数据类型。“team”列很明显是python字符串。此外，目测希望表示游戏数量的“p”列是一个python浮点数或整型数。但是猜想归猜想，最好还是使用dtypes属性或info方法进行确认。
此输出内容显示，系列的dtypes是“objects”，即python字符串。我们必须更改这些类型才能在不同列之间执行数值计算。 当然，这只是python中的一项简单任务，我们只需使用pandas to_numeric方法。 pandas.to_numeric（）是pandas中的一般函数，用于将参数转换为数字类型。 在这里，我们将想要分析的列更改为panda float (float64)数据类型。为了确认结果，检查数据框dtypes:
清理数据框
shape属性显示输入的列数太多，这是因为我们的假设是20支球队都在竞争冠军 。通过前面的步骤我们知道数据框的开头没有问题，所以问题多半出现在末尾。
很明显，有一些不必要的元数据以及填充列的一些nan（不是数字条目）。同样的，再次使用drop方法，只是这次要省略“axis = 1”参数。 这样问题就解决了，还可以使用shape属性验证此行是否已成功删除。
table.drop(table.tail(1).index, inplace=true)
table.tail(3)
table.shape
# output
(20, 12)
现在看起来好像没什么问题了，但球队的联赛排名栏标题为“unnamed: 0”，这似乎有些奇怪，它不能代表列的内容。要更改这一点可以使pandas dataframe.rename() 方法，并传入inplace = true，如果为true，它将更改原始数据框信息。
table.columns
index([unnamed: 0, team, p, w, d, l, f, a, gd, pts,
form],
dtype=object)
table.rename(columns={unnamed: 0:position}, inplace=true)
table.head()
创建新列
数据框已经设置好了，此时，创建一些新列并测试前面创建的“string-to-float”转换是否有效。
创建名为“进球比率”的新栏，这个数字是总射门数除以进球数。创建一个新列，输入的数据框的名称，然后使用方括号符号，并在引号中输入新列标题。在等式的右边，使用相同的技术从表数据框中选择想要的列。在这里，我们将每一列 f 项与每一列 a 项相除，并四舍五入到小数点后一位。默认情况下，创建的每个新列都附加到数据框的末尾。
将列重新排列，只需更改列条目的顺序并将它们添加到列表中，然后将其重新分配给表数据框，删除“form”列，使表更整洁。
过滤数据框
这张表设置得很适合分析，我们先尝试分析一个简单的问题：哪些球队比对手少打了一场比赛由于每支球队都打了34场或35场比赛，所以我只对打了34场比赛的球队进行筛选(截至19年4月20日)，结果就会显示出来。为了过滤，我使用了布尔索引。要了解如何做到这一点，请阅读我关于“如何通过列值过滤panda数据框的行”的文章。
接下来，让我们来看看谁的抽签次数最多。
南安普顿试图避免本赛季的下滑趋势，所有的平局都会有哪些代价呢？
最后，让我们创建两个新列，“goals/game”和“goal conceded/game”，并使用sort_values方法对数值进行排序。
table[goals/game] = round((table.f / table.p), 1)
table[goals conceded/game] = round((table[a] / table[p]), 1)
table.sort_values([goals/game, goal ratio]).head(5)
哈德斯菲尔德和富勒姆已经受到了谴责，卡迪夫的入球率排名第三，失球率排名第二。与降级对手布莱顿相比，他们的进球差距也最大。
加得夫的情况更糟，他们能从下跌中幸存下来吗他们的新兵没有足够的威胁，他们的防守是不是太脆弱了
本文已经展示了pandas的一些特性，这些特性有助于使用pandas进行数据分析。有 python pandas，我们就能寻找这些问题的答案了！
编译出品
GLD给煤机皮带 给煤机环形皮带
3kw车载悬挂式发电机
丹东球墨铸铁管价格表
升降喷泉工程
醇酸漆 醇酸漆
Pandas请你吃英超联赛积分榜上没有的瓜！
同煤40KW调度绞车厂家 无中间商赚差价
枣庄300㎏小型家用电梯-安全可靠-操作简单崇高制造
? 安徽哪里买蛋糕柜蛋糕保鲜柜合肥糕点冷藏柜
供应铜雕鼎 青铜鼎 价格实惠
今年外卖粥加盟能赚钱吗 粥员外粥店加盟开店赚钱吗
强光防爆方位灯FL4800方位灯
直流高压发生器六大故障的排除方法
别担心，小奶狗也不难养，教你5步养好小奶狗！
找呀找呀终于找到了YX42-215-645这个闭口楼承板
Uber提高地图精度绝招——CatchME系统
泛美地板有什么优势？
材料电子疲劳强度试验机参数
从启东到船山汽车时刻表
汽油地钻打孔机械
18-19赛季英超联赛冠军争夺赛即将到来，在接下来的几场比赛中，冠军候选席位争夺日益激烈。最终冠军将花落谁家呢？
接下来，让我们用python pandas来解析英超联赛表，并展示如何开始使用python进行一些积分榜中没有的探索性分析。
网页数据抓取
pandas有一个内置函数read_html()，它使用库lxml和beautiful soup自动将html文件中的数据解析为数据框对象。首先，需要安装read_html()使用的一些附加库。在终端输入:
pip install lxml
pip install beautifulsoup4 html5lib
pandas read_html函数有许多自定义选项，但默认情况下它会搜索并尝试解析标记中包含的所有表格数据，这会生成一个数据框对象列表。
导入pandas库，使用read_html函数来解析premier league table，将其分配给变量prem_table。我们采用的第一个元素，时间是英超联赛表中截至20/04/19英国夏令时22:00。大多数人的焦点都集中在前4名的争夺上，所以我们来使用.head()方法可视化这个表中的前6个条目。为了保证准确，使用shape属性并显示出一共有21行、12列。这个操作是有必要的，因为python是从0开始计算行数的，我们知道英超共有20支英超球队，因此数据其实是多一行的。可以看出，数据框开头部分是没有问题的，所以有问题的是应该是数据框末尾数据。
import pandas as pd
prem_table = pd.read_html(]
print(len(prem_table))
print(type(prem_table))
print(premier_table.head(6))
# output
1
由于任务是对数据进行探索性分析，所以我最初想“清理”数据。但是看起来没必要在数据框中使用“unnamed: 1”列。 我们使用drop方法，删除列，传入关键字参数“axis = 1”进行逐列删除。
premier_table.columns
index([unnamed: 0, unnamed: 1, team, p, w, d, l, f, a, gd,
pts, form],
dtype=object)
premier_league = premier_table.drop([unnamed: 1], axis=1)
premier_league.head(6)
数据框中的数据类型
数据框中的每一列都可以被认为是一个系列，其中每列必须属于同一类型。 但是，每行可以是不同类型的。由于我们需要分析数据，所以需要解读每个系列的数据类型。“team”列很明显是python字符串。此外，目测希望表示游戏数量的“p”列是一个python浮点数或整型数。但是猜想归猜想，最好还是使用dtypes属性或info方法进行确认。
此输出内容显示，系列的dtypes是“objects”，即python字符串。我们必须更改这些类型才能在不同列之间执行数值计算。 当然，这只是python中的一项简单任务，我们只需使用pandas to_numeric方法。 pandas.to_numeric（）是pandas中的一般函数，用于将参数转换为数字类型。 在这里，我们将想要分析的列更改为panda float (float64)数据类型。为了确认结果，检查数据框dtypes:
清理数据框
shape属性显示输入的列数太多，这是因为我们的假设是20支球队都在竞争冠军 。通过前面的步骤我们知道数据框的开头没有问题，所以问题多半出现在末尾。
很明显，有一些不必要的元数据以及填充列的一些nan（不是数字条目）。同样的，再次使用drop方法，只是这次要省略“axis = 1”参数。 这样问题就解决了，还可以使用shape属性验证此行是否已成功删除。
table.drop(table.tail(1).index, inplace=true)
table.tail(3)
table.shape
# output
(20, 12)
现在看起来好像没什么问题了，但球队的联赛排名栏标题为“unnamed: 0”，这似乎有些奇怪，它不能代表列的内容。要更改这一点可以使pandas dataframe.rename() 方法，并传入inplace = true，如果为true，它将更改原始数据框信息。
table.columns
index([unnamed: 0, team, p, w, d, l, f, a, gd, pts,
form],
dtype=object)
table.rename(columns={unnamed: 0:position}, inplace=true)
table.head()
创建新列
数据框已经设置好了，此时，创建一些新列并测试前面创建的“string-to-float”转换是否有效。
创建名为“进球比率”的新栏，这个数字是总射门数除以进球数。创建一个新列，输入的数据框的名称，然后使用方括号符号，并在引号中输入新列标题。在等式的右边，使用相同的技术从表数据框中选择想要的列。在这里，我们将每一列 f 项与每一列 a 项相除，并四舍五入到小数点后一位。默认情况下，创建的每个新列都附加到数据框的末尾。
将列重新排列，只需更改列条目的顺序并将它们添加到列表中，然后将其重新分配给表数据框，删除“form”列，使表更整洁。
过滤数据框
这张表设置得很适合分析，我们先尝试分析一个简单的问题：哪些球队比对手少打了一场比赛由于每支球队都打了34场或35场比赛，所以我只对打了34场比赛的球队进行筛选(截至19年4月20日)，结果就会显示出来。为了过滤，我使用了布尔索引。要了解如何做到这一点，请阅读我关于“如何通过列值过滤panda数据框的行”的文章。
接下来，让我们来看看谁的抽签次数最多。
南安普顿试图避免本赛季的下滑趋势，所有的平局都会有哪些代价呢？
最后，让我们创建两个新列，“goals/game”和“goal conceded/game”，并使用sort_values方法对数值进行排序。
table[goals/game] = round((table.f / table.p), 1)
table[goals conceded/game] = round((table[a] / table[p]), 1)
table.sort_values([goals/game, goal ratio]).head(5)
哈德斯菲尔德和富勒姆已经受到了谴责，卡迪夫的入球率排名第三，失球率排名第二。与降级对手布莱顿相比，他们的进球差距也最大。
加得夫的情况更糟，他们能从下跌中幸存下来吗他们的新兵没有足够的威胁，他们的防守是不是太脆弱了
本文已经展示了pandas的一些特性，这些特性有助于使用pandas进行数据分析。有 python pandas，我们就能寻找这些问题的答案了！
编译出品
GLD给煤机皮带 给煤机环形皮带
3kw车载悬挂式发电机
丹东球墨铸铁管价格表
升降喷泉工程
醇酸漆 醇酸漆
Pandas请你吃英超联赛积分榜上没有的瓜！
同煤40KW调度绞车厂家 无中间商赚差价
枣庄300㎏小型家用电梯-安全可靠-操作简单崇高制造
? 安徽哪里买蛋糕柜蛋糕保鲜柜合肥糕点冷藏柜
供应铜雕鼎 青铜鼎 价格实惠
今年外卖粥加盟能赚钱吗 粥员外粥店加盟开店赚钱吗
强光防爆方位灯FL4800方位灯
直流高压发生器六大故障的排除方法
别担心，小奶狗也不难养，教你5步养好小奶狗！
找呀找呀终于找到了YX42-215-645这个闭口楼承板
Uber提高地图精度绝招——CatchME系统
泛美地板有什么优势？
材料电子疲劳强度试验机参数
从启东到船山汽车时刻表
汽油地钻打孔机械