python基于pandas数据分析实例

1、简介

最近在学习数据分析，这也是python比较热门的一个方向，结合爬虫能分析许多东西，数据是在kaggle上找到的，上面很多实用性很强的数据，每个数据也有国外大佬做的分析实例，可以借鉴

kaggle

本文的分析有两部分：一、运动员的年龄分布。二、运动员能力与薪资的分布关系

！！！本文所有代码都是在python交互模式jupyter下完成的，只是不会用CSDN写入=.=！！！

2、需要用到的库

import pandas as pd
import matplotlib.pyplot as plt
#为了让图片显示在交互模式界面
%matplotlib inline                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                             

这个例子用到的库很简单，但这两个库也是用处很大的库

3、代码正文

#读取csv文件
df = pd.read_csv('data.csv')
df.head()

读取文件后用head()方法可以查看csv文件的前5行，包括索引、标头等信息

#判断数据中是否有缺失值
df.isnull().any()

这种很大的数据集很容易有缺失值，所以在进行数据判断之前，一定要判断是否有缺失值，会对分析结果造成影响，如图出现了True证明数据是有缺失的

#将缺失值填充
new_df = df.fillna(0)
#再次判断是否有缺失值，以及每一列值的类型
new_df.info()

判断有缺失值之后有两种解决方案，删去缺失值或者用另一个数值补充，这里选择对结果影响较小的填充数据，填充之后再用info()判断是否填充成功，并且可以看到每一列值的类型

#区别年龄等级
def Age_Level(t):
    if t<20:
        return '20-'
    elif t>=20 and t<25:
        return '20-25'
    elif t>=25 and t<30:
        return '25-30'
    elif t>=30 and t<35:
        return '30-35'
    elif t>=35:
        return '35+'
    else:
        return 'ERROR'
 #将年龄等级并入csv文件
new_df['Age_Level'] = new_df['Age'].map(Age_Level)
new_df.head()

第一个例子就是运动员的年龄分布，先将划分后的等级组成一列并入csv文件中，这里也可以再次保存一个新的csv文件方便调用

#查看每个年龄段的人数
new_df['Age_Level'].value_counts()

用value_counts()方法可以知道在每个年龄段的人数，然后绘制饼图，显示每个部分所占百分比

#绘制饼图
explodes = (0.05,0,0,0,0)
new_df['Age_Level'].value_counts().plot.pie(title = 'Age of Player',explode = explodes,fontsize = 12,figsize  = (12,12),autopct = '%.1f%%')
plt.savefig('E:/jupyter/result/Age_of_Player.jpg')

可见在运动员在20-30之间是状态最好的年龄段

第二个例子是利用散点图了解运动员能力和薪资的关系

#根据索引获取能力和薪资两列生成新的df
the_df = new_df.loc[:,['Overall','Wage']]
the_df

先通过索引将需要的两列值调出来再生成一个新的dataframe

再调用出来之后会发现一个问题，再Value里有欧元的符号还有K，因为要看两者的分布关系，所以两者必须都要为数字类型，所以我们用replace()方法将两个符号去掉

#将Wage里的字符去掉
the_df['Wage'] = the_df['Wage'].str.replace('€','')
the_df['Wage'] = the_df['Wage'].str.replace('K','')
the_df

#Wage为object型需转化为int型
the_df.info()

可是再去掉符号之后，Value里的值还是为object类型，还没有达到我们需要的，接下来我们要用astype强制转化一下类型

#转化
the_df = the_df.astype(int)

应该还记得再前面我们再处理缺失值的时候填充了零，但是在只在这两列数据之间是将零删去更好的，所以删去含有零的每一行

#判读是否有零
the_df['Wage'].value_counts()
#删除之前填充的零
the_df = the_df[~the_df['Wage'].isin([0])]
#查看删除零后的数据
the_df.info()

这样散点图的数据也清洗完成，下面就进行绘制散点图，要先将两列值转换为列表，作为散点图的数据

#转化为列表，作为数据
x = the_df['Overall'].values.tolist()
y = the_df['Wage'].values.tolist()
#绘制饼图
plt.figure(figsize=(20, 8), dpi=80)
plt.title('The relationship between ability and salary',fontsize = 18)
plt.scatter(x, y)
plt.ylabel('Wage(K)',fontsize = 15)
plt.xlabel('Overall',fontsize = 15)
plt.show()
plt.savefig('E:/jupyter/result/ability_and_salary.jpg')

什么都不知道，但那两个孤立的点一定是梅西和C罗

python菜鸟=。=请多见谅~

转载：https://blog.csdn.net/weixin_43434202/article/details/101928877