十个 Python 小秘诀，覆盖了90%的数据分析需求！

发布时间：2022-03-14 15:51 所属栏目：125 来源：互联网

导读：数据分析师日常工作会涉及各种任务，比如数据预处理、数据分析、机器学习模型创建、模型部署。在本文中，我将分享10个 Python 操作，它们可覆盖90%的数据分析问题。有所收获点赞、收藏、关注。 1、阅读数据集阅读数据是数据分析的组成部分，了解如何从不同

数据分析师日常工作会涉及各种任务，比如数据预处理、数据分析、机器学习模型创建、模型部署。

在本文中，我将分享10个 Python 操作，它们可覆盖90%的数据分析问题。有所收获点赞、收藏、关注。

1、阅读数据集
阅读数据是数据分析的组成部分，了解如何从不同的文件格式读取数据是数据分析师的第一步。下面是如何使用 pandas 读取包含 Covid-19 数据的 csv 文件的示例。

2、汇总统计
下一步就是通过查看数据汇总来了解数据，例如 NewConfirmed、TotalConfirmed 等数字列的计数、均值、标准偏差、分位数以及国家代码等分类列的频率、最高出现值

3、数据选择和过滤
分析其实不需要数据集的所有行和列，只需要选择感兴趣的列并根据问题过滤一些行。

复制
countries_df.loc[countries_df['Country'] == 'United States of America']

4、聚合
计数、总和、均值等数据聚合，是数据分析最常执行的任务之一。

我们可以使用聚合找到各国的 NewConfimed 病例总数。使用 groupby 和 agg 函数执行聚合。

复制
countries_df.groupby(['Country']).agg({'NewConfirmed':'sum'})

5、Join
使用 Join 操作将 2 个数据集组合成一个数据集。

例如：一个数据集可能包含不同国家/地区的 Covid-19 病例数，另一个数据集可能包含不同国家/地区的纬度和经度信息。

复制
# finding sum of NewConfirmed cases of all the countries
countries_df['NewConfirmed'].sum()
# Output : 6,631,899

# finding the sum of NewConfirmed cases across different countries
countries_df.groupby(['Country']).agg({'NewConfirmed':'sum'})

7、用户自定义函数
我们自己编写的函数是用户自定义函数。我们可以在需要时通过调用该函数来执行这些函数中的代码。例如，我们可以创建一个函数来添加 2 个数字，如下所示：

复制
# User defined function is created using 'def' keyword, followed by function definition - 'addition()'
# and 2 arguments num1 and num2
def addition(num1, num2):
    return num1+num2

# calling the function using function name and providing the arguments
print(addition(1,2))
#output : 3

8、Pivot
Pivot 是将一列行内的唯一值转换为多个新列，这是很棒的数据处理技术。

在 Covid-19 数据集上使用 pivot_table() 函数，我们可以将国家名称转换为单独的新列：

9、遍历数据框
很多时候需要遍历数据框的索引和行，我们可以使用 iterrows 函数遍历数据框：

复制
# iterating over the index and row of a dataframe using iterrows() function
for index, row in countries_df.iterrows():
    print('Index is ' + str(index))
    print('Country is '+ str(row['Country']))

# Output :
# Index is 0
# Country is Afghanistan
# Index is 1
# Country is Albania
# .......
10、字符串操作
很多时候我们处理数据集中的字符串列，在这种情况下，了解一些基本的字符串操作很重要。

例如如何将字符串转换为大写、小写以及如何找到字符串的长度。

复制
# country column to upper case
countries_df['Country_upper'] = countries_df['Country'].str.upper()

# country column to lower case
countries_df['CountryCode_lower']=countries_df['CountryCode'].str.lower()

# finding length of characters in the country column
countries_df['len'] = countries_df['Country'].str.len()

countries_df.head()

（编辑：ASP站长网）