Bookoff

import pandas as pd
 
# Чтение данных локально
df = pd.read_csv('ZenZine/python/started/sample_data.csv')
 
# Чтение данных из веба
data_url = "https://github.com/Bookoff/ZenZine/raw/master/python/started/sample_data.csv"

df = pd.read_csv(data_url)

Bookoff

# Первые несколько строк данных
print df.head() 

# ВЫВОД

#    Alpha   Beta  Gamma  Tetta   Zeta
# 0   1243   2934    148   3300  10553
# 1   4158   9235   4287   8063  35257
# 2   1787   1922   1955   1074   4544
# 3  17152  14501   3536  19607  31687

Bookoff

# Получение названий столбцов
print df.columns 

# ВЫВОД
# Index([u'Alpha', u'Beta', u'Gamma', u'Tetta', u'Zeta'], dtype='object')

# Получение названий строк или индекса
print df.index 

# ВЫВОД

Bookoff

# Транспонирование данных
print df.T 

# ВЫВОД
#	          0      1     2      3     4      5     6      7     8      9     10  \
#	Alpha   1243   4158  1787  17152  1266   5576   927  21540  1039   5424   981   
#	Beta    2934   9235  1922  14501  2385   7452  1099  17038  1382  10588  1311   
#	Gamma    148   4287  1955   3536  2530    771  2796   2463  2592   1064  2560   
#	Tetta   3300   8063  1074  19607  3315  13134  5134  14226  6842  13828  5078   
#	Zeta   10553  35257  4544  31687  8520  28252  3106  36238  4973  40140  3466   

Bookoff

print df.ix[:, 0].head()

# ВЫВОД
#	0     1243
#	1     4158
#	2     1787
#	3    17152
#	4     1266
#	Name: Alpha, dtype: int64

Bookoff

print df.ix[10:20, 0:3]

# ВЫВОД

#	    Alpha   Beta  Gamma
#	10    981   1311   2560
#	11  27366  15093   3039
#	12   1100   1701   2382
#	13   7212  11001   1088
#	14   1048   1427   2847

Bookoff

print df.drop(df.columns[[1, 2]], axis = 1).head()

# ВЫВОД

#	   Alpha  Tetta   Zeta
#	0   1243   3300  10553
#	1   4158   8063  35257
#	2   1787   1074   4544
#	3  17152  19607  31687
#	4   1266   3315   8520

Bookoff

print df.describe()

# ВЫВОД

#	              Alpha          Beta        Gamma         Tetta          Zeta
#	count     79.000000     79.000000    79.000000     79.000000     79.000000
#	mean   12874.379747  16860.645570  3237.392405  12414.620253  30446.417722
#	std    16746.466945  15448.153794  1588.536429   5034.282019  22245.707692
#	min      927.000000    401.000000   148.000000   1074.000000   2346.000000
#	25%     1524.000000   3435.500000  2328.000000   8205.000000   8601.500000

Bookoff

from scipy import stats as ss

# Проводим одновыборочный t-тест для мат. ожидания 15000
print ss.ttest_1samp(a = df.ix[:, 'Alpha'], popmean = 15000) 

# ВЫВОД
# (-1.1281738488299586, 0.26270472069109496)

Bookoff

print ss.ttest_1samp(a = df, popmean = 15000)

# ВЫВОД

#	(array([ -1.12817385,   1.07053437, -65.81425599,  -4.564575  ,   6.17156198]), 
#	array([  2.62704721e-01,   2.87680340e-01,   4.15643528e-70, 1.83764399e-05,   2.82461897e-08]))