用一个完整的案例讲解Python数据分析的整个流程和基础知识
Posted python0921
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了用一个完整的案例讲解Python数据分析的整个流程和基础知识相关的知识,希望对你有一定的参考价值。
先来想一下数据分析的流程,第一步获取数据,因此本节内容就是获取数据以及对数据的基本操作。
1.数据导入
1.1 导入.xlsx文件
要导入一个.xlsx后缀的Excel文件,可以使用pd.read_excel(路径)方法
结果:
df_review数据包含了两个字段,listing_id和date
读入数据时必不可少的参数就是路径,不同的操作系统下文件路径的写法也不同,通常windows操作系统下关于路径有两种写法:
- 反斜杠“ ”:右键点击这个文件,选择属性,可以看到它所在的位置,默认是使用 来表示,由于反斜杠“”在Python中被定义为转义符号,因此在写的时候就要在路径的最前方加一个转义符 r,r"D:个人data eviews.xlsx"
- 斜杠“ / ”:不需要加r,全部用 / 来写:"D:/个人/data/reviews.xlsx"两种方式看个人习惯吧。
sheet_name 参数
对于.xlsx文件来说,可能会存在多个sheet表,因此也可以设置sheet_name参数指定导入的sheet表,可以传入sheet表的名字,也可以按照从0递增的顺序来指定,不指定sheet表则默认第一个sheet.
1.2 导入.csv文件
导入.csv格式的文件使用pd.read_csv(路径)的方法
结果:
df_list数据主要包括:房东ID、房东姓名、经纬度、房间类型、价格、最小可租天数、评论数量、最后一次评论时间、每月评论占比、可出租房屋、每年可出租时长等字段
指定编码格式
对于.csv文件有个重要的知识点,就是编码格式,尤其是在导入文件的时候,需要了解文件的编码格式,以免出现乱码,那么如何知道文件是什么类型的编码呢?用notepad++软件打开,右下角会显示该文件的编码格式,如刚刚导入的listings.csv文件,是utf-8编码,在书写编码时,大小写通用,且utf-8也可以写成utf8.
可以用encoding参数来设置编码格式,Python默认的编码格式是utf-8。
中文乱码问题
对于文件路径中因为出现中文而导致的乱码问题,可以加入参数engine来避免。
结果:
image.png
指定行索引
不指定行索引的话,从0开始递增的一列作为行索引,也可以指定id一列为行索引,传入参数index_col
结果:可以看到,id列成了行索引列。
指定列索引
默认第一行是列索引,也可以指定,使用header参数,header = 0,表示指定第一行为列索引。
结果:
指定导入列
有时候我们希望只导入指定的列即可,那么就传入usecols参数
结果:
2.对数据的基本操作
导入数据后,需要对数据进行一个大概的了解,比如数据集有几行几列,每个字段的数据类型是什么,有无空值等。
预览
不必完全跑出数据,只需看下前几行,用head方法,得到的是前5行数据
结果:
head()里也可传入数字,如预览前10行数据
查看数据维度
数据集有几行几列,用shape
结果:可以看到df_list数据集有28452行,16列
查看数据类型
使用dtypes可以查看数据集所有字段的数据类型
结果:
也可以单独查看某一个字段的数据类型
结果:
如果你处于想学Python或者正在学习Python,Python的教程不少了吧,但是是最新的吗?说不定你学了可能是两年前人家就学过的内容,在这小编分享一波2020最新的Python教程。获取方式,私信小编 “ 资料 ”,即可免费获取哦!
以上是关于用一个完整的案例讲解Python数据分析的整个流程和基础知识的主要内容,如果未能解决你的问题,请参考以下文章
2016末班车:PYTHON数据挖掘-基于kaggle真实案例