0 导入数据
pd.read_csv('Iris.csv')
pd.read_csv('dataset.csv')
如果只是想要csv中的一部分那么可以指定参数usecols，获取指定行、列。
1 了解数据
首先罗列一些反应数据集基本信息的函数：
-
head(x)
显示数据的前x行。 -
tail(x)
显示数据集的最后x行，但顺序依然不变。 -
shape()
得到数据集的行数和列数 -
columns()
得到列名的，输出列表。 -
info()
得到关系数据集的信息，如各列的数量、类型、空值数量等。 -
describes()
对数据集做一些基本的计算，如平均值，最大、小值等。 -
value_counts()
查看Series对象唯一值的个数。
这里，大家可以回复 Iris 获取Iris.csv进行实例操作。
2 数据清洗
当我们拿到一个数据后，数据不可能是规规整整，等着被分析的，一般来说会有如下几种情况：
格式规范
数据缺失
数据冗余
我们以从git hub上下下来的dataset.csv作为练习对象。
格式规范
有时数据集的列名过于繁杂，不易书写和理解，可以用函数ewname()对列名进行更改。
比如：
new_name = {'Full Name':'Full_Name',Data of Birth':'Data_of_Birth'}
df.rename(columns=new_name)
同时可以重新设置索引;
df.set_index('Full_Name')
当然，这里就不需要啦。
对于字符串的规范同样重要，常用的方法如下：
lower()
upper()
capitalize()
replace()
strip()
split()
get()
contains()
lower()和upper()能将大写变为小写或是小写变成大写。
df['Quote'] = df['Quote'].str.lower()
replace()则能替换掉特定字符，可将收入里的$替换：
df['Income'] = df['Income'].str.replace('$','')
split()则以设定的字符作为分隔符，输出分割后的列表，我们对Full_Name以空格为分隔符，进行分隔：
df['Name'] = df['Full_Name'].str.split(' ')
然后通过get()获取列表中任意位置的字符：
df['First_Name'] = df['Name'].str.get(0)
df['last_Name'] = df['Name'].str.get(1)
strip()则可以去除字符串中的空格、\t\n。
contains()则可判断是否存在某一字符：
df[df['Phone'].str.contains('610|170')]
#字符内是否存在610后者170
match()则判断字符的开头是否有某一字符：
df['Phone'].str.match('610|170')
更改数值格式可以通过astype()实现：
df['Income'] = df['Income'].astype(int)
数据缺失
可以通过info()看到在country中有两个空值，因此：
df.dropna(subset=['Country'])
其中，由参数subset指定区域，选定该区域上的空值将整行删除。
在上面的replace()操作后，某些就成了空值，可以选择直接删除，也可以选择填入平均值。但是可以看到虽然空格内没有数值，但其实不算NAN，因此需要一步转化
p = df[df['Income']==''].index.tolist()
df = df.drop(p)
现在，我们来检验以下，是否还有空值：
df.isnull()
函数isnull()则将数据集中为空的值显示为True.
当然，有时候是可以对缺失值进行填补，比如填上平均值，中位数等，这时候可以使用函数fillna()。
df['Income'] = df['Income'].str.replace('$','')
df['Income'] = df['Income'].str.replace(',','')
df['Income'] = pd.to_numeric(df['Income'])
income_mean = df['Income'].mean()
df['Income'] = df['Income'].fillna(income_mean)
数据冗余
删除重复数据：
df = df.drop_duplicates()
3 分析数据到底分析什么
这部分并没有深入涉及，因此放上几个资源，大家一起学习：
- 数据分析网：http://www.afenxi.com/
- GrowingIO博客：https://blog.growingio.com/
- 书籍：《谁说菜鸟不会数据分析》、《精益数据分析》等
欢迎关注，共同成长！
foronepiece.JPG
网友评论