ex_05_pandas_descriptive_statistics.py

import numpy as np
import pandas as pd
from matplotlib import pyplot as plt


# Einlesen des Datensatzes
df = pd.read_excel('data/bev_meld.xlsx')


# Macht man das nicht, heissen die Spalten z.B. 1993 als Zahl. Das kann in Zukunft zu Problemen führen,
# besser ist sie heissen j1993
base = ['Bezirk','Gemnr','Gemeinde']
years = df.columns[3:].astype(str)
base.extend('j' + years)
df.columns = base
print(df.j1993) # das funktionert jetzt nämlich
#print(df.Bezirk)
b_i = df[df.Bezirk == 'I']
c3 = b_i[df.columns[3:]].values[0,:]
print(c3)
v = b_i.values[0,3:]
print("V",v)
plt.plot( v )
plt.plot(years, c3)
plt.xticks(rotation=90)
plt.show()

pd.set_option('display.expand_frame_repr', False) # So werden alle Spalten angezeigt

print(df.describe())

# Kennenlernen und Überprüfen der Daten
print("Die ersten Datensätze:")
print(df.head()) # Zeige die ersten Datensätze an
print("Die letzten Datensätze:")
print(df.tail(3)) # Man kann die Anzahl als Parameter setzen

# Auswahl bestimmter Zeilen wie gewohnt
print(df[3:4]) # Wählt die Zeile 3. Bei komplexeren Abfragen iLoc verwenden
print(df.iloc[3:5,1:5])  # Von den Zeilen 3 und 4 sollen die ersten 4 Spalten angezeigt werden

#Zugriff Über den Spaltennamen möglich
print(df.Bezirk)

# Man kann mehrere Spalten auswählen:
print(df[['Gemnr', 'j1993']])

# Über index Location kann man gleich mehrere Spalten auswählen
print(df.iloc[:,3:]) # Alle Spalten ab dem Index 3
print(df.iloc[:,[3,5,7]]) # Die Spalten 3, 5, 7

# Zählen der Bezirke
print(df.groupby('Bezirk')['Bezirk'].count())

#Aggregieren von (mehreren) Spalten
print(df.groupby('Bezirk').agg(sum1993 = ('j1993', 'mean'), sum1994 = ('j1994', 'sum')))
print(df.groupby('Bezirk').sum()) # Wendet die Summe auf alle Spalten an
# Somit können auch Spalten drin sein, die man nicht haben möchte (z.B. Gemnr)
bez_sum = df.groupby('Bezirk').sum()
bez_sum = bez_sum.loc[:, bez_sum.columns != 'Gemnr']
print("Jetzt ohne der Gemeinde:")
print(bez_sum)

# Aufsummieren von Spalten
s = df.iloc[:,3:].sum()
print(s)

bez_sum_1993_1994 = df.loc[:, ['Bezirk', 'j1993', 'j1994']].groupby('Bezirk').sum()
print(bez_sum_1993_1994)

nr_cols = df.iloc[:,3:]

# Aufsummieren von Zeilen
row_sum = nr_cols.sum(axis=1)
df['sum_all'] = row_sum

print(df.head())

# Auswahl einzelner Zeilen
df_il = df.loc[df.Bezirk == 'IL'] # Nur Innsbruck - Land
print(df_il)

# Erste Plots
#Die Entwicklung der tiroler Gesamtbevölkerung über die Jahre
plt.plot(nr_cols.sum())
plt.xticks(rotation=90)
plt.show()

df = df.drop(columns='Gemnr') # So kann man eine Spalte (oder mehrere wegschmeissen)

# Sortieren nach einer (oder mehreren) Spalten
df_high = df.sort_values('j1993', ascending=False)
print(df_high.head())

# Alle die in Innsbruck Land und Imst sind
il_im = df.loc[df['Bezirk'].isin(['IL','IM'])]
print(il_im)