数据分析从零开始实战 | 基础篇

Posted 2021-04-27 简说Python

一、写在前面

之前的一个系列 『Python小知识 』主要和大家分享一下我快速看过一遍《零压力学Python》后觉得比较好玩、重要的一些知识点。

接下来我打算花一个月左右的时间把《数据分析实战》看完，实操一遍，同样开成一个系列『数据分析从零开始实战』，既然说了从零开始，就肯定是从零开始，当然如果真的一点基础都没有，建议大家把 『Python小知识 』专栏先看一遍。

Python小技能入门四篇

二、知识点概要

1.创建一个虚拟python运行环境，专门用于本系列学习；
2.数据分析常用模块pandas安装
3.利用pandas模块读写CSV格式文件

三、开始动手动脑

1.创建虚拟环境

我平时比较喜欢Pycharm，所以本系列打算完全用Pycharm做，Pycharm安装可以直接到官网上下载，使用社区版即可。
（1）好的正式开始，打开Pycharm，点击File->New Project,基本配置说明见下图。
特别说明：python里面项目路径里不要出现中文，同时项目名称也不要出现中文，名称尽量能够概括项目内容。

操作步骤图

（2）创建成功后，我们会在对应目录下面发现多了项目文件和虚拟环境文件。

2.数据分析常用模块Pandas安装

（1）零基础教程，首先教大家怎么进入虚拟环境：进入到目录I:\pyCoding\Frame\Data_analysis\Scripts(我的虚拟环境目录)，按住shift+鼠标右键，打开powershell或者cmd(如果是powershell就先输入cmd)，再输入activate，进入虚拟环境，你会发现在路径前面多了一个括号里面是你的虚拟环境名称，表示你进入了虚拟环境。具体看下面：

PS I:\pyCoding\Frame\Data_analysis\Scripts> cmd
Microsoft Windows [版本 10.0.17134.112]
(c) 2018 Microsoft Corporation。保留所有权利。

I:\pyCoding\Frame\Data_analysis\Scripts>activate
(Data_analysis) I:\pyCoding\Frame\Data_analysis\Scripts>

不知道大家有没有觉得很麻烦，我是觉得特别麻烦，每次进入虚拟环境都要先到指定文件路径，然后再输入指令，不符合程序员的风格啊！当然有简单方法，具体操作看我之前写的一篇文章里有详细介绍，，怎么快速进入虚拟环境。

（2）安装pandas模块
使用快捷方式进入虚拟环境后，直接pip指令安装

# cmd下直接操作
C:\Users\82055>workon

Pass a name to activate one of the following virtualenvs:
==============================================================================
Data_analysis
spiderenv

C:\Users\82055>workon Data_analysis
(Data_analysis) C:\Users\82055>pip install pandas

安装结果：

安装过程

安装过程大概1分钟左右，完成后会显示

Installing collected packages: pytz, numpy, six, python-dateutil, pandas
Successfully installed numpy-1.15.4 pandas-0.23.4 python-dateutil-2.7.5 pytz-2018.7 six-1.11.0

很明显看出，这个过程不仅安装了pandas包，还安装了numpy，pytz，six，python-dateutil这些附加包，后面我们也会用上。

3.利用pandas模块读写CSV格式文件

（1）数据文件下载

本系列按书上来的数据都是这里面的，《数据分析实战》书中源代码也在这个代码仓库中，当然后面我自己也会建一个代码仓库，记录自己的学习过程，大家可以先从这里下载好数据文件。

（2）pandas基本介绍

pandas为Python编程语言提供高性能，是基于NumPy 的一种易于使用的数据结构和数据分析工具,pandas为我们提供了高性能的高级数据结构（比如：DataFrame）和高效地操作大型数据集所需的工具，同时提供了大量能使我们快速便捷地处理数据的函数和方法。

(3)利用pandas读取CSV文件

读取代码：

# 导入数据处理模块
import pandas as pd
import os

# 获取当前文件父目录路径
father_path = os.getcwd()

# 原始数据文件路径
rpath_csv = father_path+r'\data01\city_station.csv'
# 读取数据
csv_read = pd.read_csv(rpath_csv)
# 显示数据前10条
print(csv_read.head(10))

运行结果：

函数解析：
read_csv(filepath_or_buffer,sep,header,names,skiprows,na_values,encoding,nrows)
按指定格式读取csv文件。
常见参数解析：
1. filepath_or_buffer:字符串，表示文件路径；

2. sep: 字符串，指定分割符，默认是’,’;

3. header:数值， 指定第几行作为列名(忽略注解行)，如果没有指定列名，默认header=0; 如果指定了列名header=None;

4. names: 列表，指定列名，如果文件中不包含header的行，应该显性表示header=None。

5. skiprows：列表，需要忽略的行数（从0开始），设置的行数将不会进行读取。

6. na_values：列表，设置需要将值替换成NAN的值，pandas默认NAN为缺省，可以用来处理一些缺省、错误的数值。

7. encoding：字符串，用于unicode的文本编码格式。例如，"utf-8"或"gbk"等文本的编码格式。

8. nrows：需要读取的行数。

(4)利用pandas写入CSV文件

写入代码：

import pandas as pd
import os

# 获取当前文件父目录路径
father_path = os.getcwd()

# 保存数据文件路径
path_csv = father_path+r'\data01\temp_city.csv'
# 写入数据（列名+列值）
data = {"站点名": ["北京北", "北京东", "北京", "北京南", "北京西"],
        "代号": ["VAP", "BOP", "BJP", "VNP", "BXP"]}
# 数据初始化为DataFrame对象
df = pd.DataFrame(data)
# 数据写入
df.to_csv(path_csv)

运行结果：

函数解析：

to_csv(path_or_buf,sep,na_rep,columns,header,index)

1. path_or_buf：字符串，文件名、文件具体、相对路径、文件流等；

2. sep：字符串，文件分割符号；

3. na_rep：字符串，将NaN转换为特定值；

4. columns：列表，选择部分列写入；

5. header：None,写入时忽略列名；

6. index：False则选择不写入索引,默认为True。

如果你有CSDN账号的话，点击阅读原文，关注我。
和老表，一起学Python。

~随手点一下，好看~