python数据分析简单实例-Python数据分析实例操作

import pandas as pd #导入pandas

import matplotlib.pyplot as plt #导入matplotlib

from pylab import *

mpl.rcParams['font.sans-serif'] = ['SimHei']

mpl.rcParams['axes.unicode_minus'] = False

%matplotlib inline

数据读取与索引

bra = pd.read_csv('data/bra.csv')

bra.head()

选取列

bra.content

bra[['creationTime','productColor']].head()

选择行

bra[1:6]

选择行和列

bra.ix[[2,3],[1,3]] #使用ix

bra.ix[1:5,['productColor']]

bra.iloc[[2,3],[1,3]] #使用iloc

bra.loc[1:5,['content','creationTime','productSize']] #使用loc

bra.loc[1:5,'content':'userClientShow']

数据预处理

缺失值

bra.describe() #查看数据的分布情况,可返回变量和观测的数量、缺失值和唯一值的数目、平均值、分位数等相关信息

bra['userClientShow'].unique() #userClientShow列有几种选项

bra['userClientShow'].isnull().sum() #初始缺失值数量

bra['userClientShow'].fillna('不详',inplace=True) #缺失值替换为"不详”

bra['userClientShow'].isnull().sum() #赋值后的缺失值数量

新增列

bra.dtypes #查看属性

bra['creationTime'] = pd.to_datetime(bra['creationTime']) #更新类型

bra.dtypes

bra['hour'] = [i.hour for i in bra['creationTime']] #新建hour列

bra

字符串操作

bra.productSize.unique() #查看productSize的唯一值

cup = bra.productSize.str.findall('[a-zA-Z]+').str[0] #新增列cup

cup2 = cup.str.replace('M','B')

cup3 = cup2.str.replace('L','C')

cup4 = cup3.str.replace('XC','D')

bra['cup'] = cup4

bra.head()

bra['cup'].unique() #查看cup唯一值

数据转换

bra.productColor.unique() #查看productColor唯一值

def getColor(s):

if '黑' in s:

return '黑色'

elif '肤' in s:

return '肤色'

elif '蓝' in s:

return '蓝色'

elif '红' in s:

return '红色'

elif '紫' in s:

return '紫色'

elif '白' in s:

return '白色'

elif '粉' in s:

return '粉色'

elif '灰' in s:

return '灰色'

elif '绿' in s:

return '绿色'

elif '青' in s:

return '青色'

else:

return s

bra['color'] = bra['productColor'].map(getColor) #从productColor列查询，赋值到定义的函数getColor，最终新增列color

bra

bra.color.unique() #查询color的唯一值

数据可视化

x = [1991,1992,1993,1994,1995,1996,1997]

y = [23,56,38,29,34,56,92]

plt.plot(x,y) #调用函数plot

plt.figure(figsize=(8,6),dpi=80) #调用函数firgure

plt.plot(x,y)

hour = bra.groupby('hour')['hour'].count() #hour列排序

hour

plt.xlim(0,25) #横轴0~25

plt.plot(hour,linestyle='solid',color='royalblue',marker='8') #颜色深蓝

cup_style = bra.groupby('cup')['cup'].count() #cup列唯一值得数量

cup_style

plt.figure(figsize=(8,6),dpi=80)

labels = list(cup_style.index)

plt.xlabel('cup') #x轴为cup

plt.ylabel('count') #y轴为count数量

plt.bar(range(len(labels)),cup_style,color='royalblue',alpha=0.7) #alpha为透明度

plt.xticks(range(len(labels)),labels,fontsize=12)

plt.grid(color='#95a5a6',linestyle='--',linewidth=1,axis='y',alpha=0.6)

plt.legend(['user-count'])

for x,y in zip(range(len(labels)),cup_style):

plt.text(x,y,y,ha='center',va='bottom')

color_style = bra.groupby('color')['color'].count() #color列唯一值得数量

color_style

plt.figure(figsize=(8,6),dpi=80)

plt.subplot(facecolor='gainsboro',alpha=0.2)

colors = ['brown','orange','gray','white','pink','purple','red','green','wheat','blue','gold','springgreen','black'] #颜色种类

labels = list(color_style.index)

plt.xlabel('count') #x轴为count数量

plt.ylabel('color') #y轴为color

plt.title('Color Distribution') #定义标题

plt.barh(range(len(labels)),color_style,color=colors,alpha=1)

plt.yticks(range(len(labels)),labels,fontsize=12)

plt.grid(color='#95a5a6',linestyle='--',linewidth=1,axis='x',alpha=0.4)

bra.head(30)

知识在于点滴积累