当前位置:

首页 > 编程开发 > 十个 Python 小技巧,覆盖了90%的数据分析需求!

十个 Python 小技巧,覆盖了90%的数据分析需求!

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。importpandasaspd#readingthecountries_datafilealongwith

本文目录

    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。

    import pandas as pd 
    # reading the countries_data file along with the location within read_csv function.
    countries_df = pd.read_csv('C:/Users/anmol/Desktop/Courses/Python for Data Science/Code/countries_data.csv') 
    # showing the first 5 rows of the dataframe 
    countries_df.head()
    
    

    以下是 countries_df.head() 的输出,我们可以使用它查看数据框的前 5 行:

    十个 Python 小技巧,覆盖了90%的数据分析需求!

    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

    countries_df.describe()

    使用 describe 函数,我们可以得到数据集连续变量的摘要,如下所示:

    十个 Python 小技巧,覆盖了90%的数据分析需求!

    在 describe() 函数中,我们可以设置参数"include = 'all'"来获取连续变量和分类变量的摘要

    countries_df.describe(include = 'all')

    十个 Python 小技巧,覆盖了90%的数据分析需求!

    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。

    例如,我们可以使用以下代码选择 Country 和 NewConfirmed 列:

    countries_df[['Country','NewConfirmed']]

    我们还可以将数据过滤Country,使用 loc,我们可以根据一些值过滤列,如下所示:

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

    十个 Python 小技巧,覆盖了90%的数据分析需求!

    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。

    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。

    现在我们需要结合这两个信息,那么我们可以执行如下所示的连接操作

    countries_lat_lon = pd.read_excel('C:/Users/anmol/Desktop/Courses/Python for Data Science/Code/countries_lat_lon.xlsx')
    
    # joining the 2 dataframe : countries_df and countries_lat_lon
    # syntax : pd.merge(left_df, right_df, on = 'on_column', how = 'type_of_join')
    joined_df = pd.merge(countries_df, countries_lat_lon, on = 'CountryCode', how = 'inner')
    joined_df

    6、内建函数

    了解数学内建函数,如 min()、max()、mean()、sum() 等,对于执行不同的分析非常有帮助。

    我们可以通过调用它们直接在数据帧上应用这些函数,这些函数可以在列上或在聚合函数中独立使用,如下所示:

    # 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'})
    
    # Output 
    #NewConfirmed
    #Country 
    #Afghanistan75
    #Albania 168
    #Algeria 247
    #Andorra0
    #Angola53

    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:

    # 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:

    # using pivot_table to convert values within the Country column into individual columns and 
    # filling the values corresponding to these columns with numeric variable - NewConfimed 
    pivot_df = pd.pivot_table(countries_df,columns = 'Country', values = 'NewConfirmed')
    pivot_df

    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:

    # 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。

    # 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()
    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    编程开发 数据分析 Python 数据集
    相关文章 更多
    python删除一个列表里的重复元素的方法与代码示例
    python删除一个列表里的重复元素的方法与代码示例

    学习如何使用Python高效删除列表中的重复元素。本文提供5种常见方法的代码示例,涵盖保持顺序与不保持顺序的场景,适合初学者和进阶开发者参考。

    Python写接口的步骤及完整代码示例
    Python写接口的步骤及完整代码示例

    详细讲解使用Python编写Web接口的核心步骤与完整代码示例,涵盖环境准备、路由定义、数据校验、服务启动及调试测试方法。

    codex怎么读取word文档及docx文件操作教程
    codex怎么读取word文档及docx文件操作教程

    介绍如何利用编程工具读取和解析Word文档(docx格式),涵盖基础文本提取代码示例、结构化数据处理逻辑,以及处理复杂排版时的技术局限与替代方案。

    怎么在Python中调用C语言代码提升性能
    怎么在Python中调用C语言代码提升性能

    详细讲解在Python中调用C语言代码提升性能的完整实践指南,包含原理分析、编译步骤、ctypes与CFFI具体实现、性能对比及常见陷阱。

    Python与C语言的性能差异及底层原理
    Python与C语言的性能差异及底层原理

    深入解析Python与C语言在执行效率上的数量级差异,从编译机制、变量内存布局、动态类型推断到GIL锁,系统阐明底层核心原理。

    Python和C语言哪个更适合编程入门
    Python和C语言哪个更适合编程入门

    客观对比Python与C语言在心智负担、底层机制与学习反馈上的核心差异,提供清晰有据的选择标准与切实的入门学习路径。

    selenium上传文件教程本地文件路径设置方法
    selenium上传文件教程本地文件路径设置方法

    深入解析Selenium处理文件上传的技术细节,涵盖标准HTML控件的路径直接注入法与非标准控件的系统级模拟方案,提供Windows与Linux环境下的路径设置最佳实践及常见异常排查。

    大数据开发语言选型:Java对比Scala与Python的优缺点及适用场景
    大数据开发语言选型:Java对比Scala与Python的优缺点及适用场景

    针对大数据工程场景,系统对比Java、Scala与Python在执行性能、生态结合、开发效率和维护成本上的核心差异,给出清晰的架构选型依据与落地方案。

    langgraph python guide中文入门教程详解
    langgraph python guide中文入门教程详解

    本篇LangGraph Python中文入门教程详解,系统梳理StateGraph状态机定义、节点编写、边与条件路由、检查点持久化(MemorySaver)等核心机制,提供从环境安装到完整循环智能体构建的代码示例与实操指导。

    Windows 安装 Python:从官方入口到虚拟环境的可复现实践
    Windows 安装 Python:从官方入口到虚拟环境的可复现实践

    面向后端开发者,基于 Python 官方文档说明如何在 Windows 上安装 Python、创建 venv 虚拟环境及使用 pip 管理依赖。包含可复制命令、验证方法及工具选择边界,避免常见配置误区。

    查看更多
    精品专题 更多
    装机必备
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows
    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程
    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版
    macOS

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版
    Windows

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。