这11招是你应该具备的技能
菜鸟独白 用Python来玩转数据分析实在是太爽了，因为有强大的Pandas来处理数据非常方便，我个人对数据分析情有独钟，探索数据的秘密非常好玩！前段时间写过一篇小白学数据分析入门招式，但是进阶的部分上次没有来得及整理，今天分享给大家。 我们依然用比较有名的泰坦尼克数据集来做示例，通过对这个数据集的处理，来快速上手数据分析的常见招式和基本手法，让初学者可以快速上手数据分析！ 要点： 数据的字符处理 数据的过滤 数据的分组 数据的透视表 1.数据集的字符处理 第一招：对列的处理 我们看一下这个数据集里面的列都是英文的，不是很爽，我们把列的名字变成中文，这样看的舒服。 df.rename(columns={'Survived':'是否获救', 'Name':'姓名', 'Pclass':'船舱等级','Sex':'性别', 'Age':'年龄','SibSp':'兄弟姐妹数', 'Parch':'父母小孩数','Ticket':'船票', 'Fare':'船票费'}) 这样处理完之后看一下是不是舒服很多： 第二招：对数据集里面的特定字符串进行替换 我们把性别里面的male替换为男，female替换为女 df['性别'].map({'female':'女','male':'男'}) 第三招：对列的字符进行替换 我们看到船票比如A/5 21171 有两部分组成，一部分是英文字符，一部分是纯数字，如果我们只想保留数字部分，我们直接用str字符串进行处理 df['船票']=df['船票'].str.replace(r'[^d+]','') df.head(3) pandas里面的字符串功能非常强大，除了replace之外， 还有contains,split,match,findall,endswith等等,这招在清洗数据的非常有用。 2.数据集的过滤 我们在分析数据的时候经常要对数据内容进行过滤，或者是部分提取。 第四招：用逻辑表达式组合过滤 提取性别是女孩并且年龄在10岁以下的 df[(df['性别']=='女')&(df['年龄']<=10)] df.head(3) 第五招：巧用不等于 提取非3等舱，并且获救乘客信息 df[(df['是否获救']==1)&(df['船舱等级']!=3)] 第六招：也可以用query函数 df.query('船舱等级==[1,2]') 3.数据的分类 我们有的时候需要对数据进行多维度的细分和统计，有下面几招: 第七招：用where函数 第一种比较简单,用where 比如我们认为比如我们认为 年龄在18以下都是未成年，18岁以上成年的 df['是否成年']=np.where(df['年龄']>=18,'成年','未成年') df.sample(3) 第八招：用万能的apply函数 apply可以处理比较复杂的逻辑，比如我们把年龄划分为几个阶段，小孩，青年，成人，老人。 看一下新增的列"年龄分类"是不是层次分类更精准！ 4.数据的切片和透视表 第九招：神奇的groupby函数 我们喜欢对数据按照某种类别分组统计： 1).从性别的维度来对是否获救的人数进行统计 df.groupby('性别')['是否获救'].count() 性别 女 314 男 577 Name: 是否获救, dtype: int64 2).从船舱的等级来看是非获救 df.groupby('船舱等级')['是否获救'].count() 船舱等级 1 216 2 184 3 491 Name: 是否获救, dtype: int64 第十招：对数据进行轴切片分析 比如我们希望对是非获救和船舱等级这个两个轴进行深入切片分析，这样的伎俩在R语言里面也经常用到，这里pandas给我们提供了非常方便的agg函数 df.groupby(['是否获救','船舱等级'])['年龄'].agg(['size','max','min','mean']) 这样就很容易发现，获救里面的头等舱的人比较多，平均年龄相对未获救的要年轻不少. 第十一招：数据透视表 透视表在很多数据分析里面都有，比如常见的excel里面，pandas也提供了类似的功能. 根据一个或者多个键对数据进行聚合,我们用透视表也能做出类似上面的功能,比groupby还要强大. df.pivot_table(columns=['性别'], index=['是否获救','船舱等级'], values='年龄', aggfunc={'年龄':[np.mean,min,max]}) 看完上面的11招，加上前面的(18招，小白必看的数据分析招式|精选上篇)，学会这些招数基本上可以算是入门数据分析了。 当然如果需要对数据分析进行系统的学习，还需要掌握很多其他的知识，如有不同见解，我在评论去等着你。
