2024年最新dubbo原理面试题，三大招式熟练Python数据分析_data[data[‘beds‘]，2024年最新数据结构与算法面试题 JAVA

收集整理了一份《2024年最新Python全套学习资料》免费送给大家，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上Python知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来

如果你需要这些资料，可以添加V无偿获取：hxbc188 （备注666）

正文

data.info()

![img](http://upload-images.jianshu.io/upload_images/13717038-0e1b9c035b549b33?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)


###### 数据处理


数据处理，其实就是我们常说的数据预处理（清洗数据），我们都知道，数据大部分情况下，是不干净的（或者不是我们预期的），我们需要处理，清洗，常出现的处理任务如下：


* 缺失值处理
* 异常值处理
* 重复值处理
* 多表处理
* 数据转换处理


这些都是需要根据实际情况来处理的。接着，我们就来处理星巴克数据，首先，查看Brand字段的唯一值，发现除了星巴克还有其他商品（可能是同一厂商的，屌丝表示对星巴克一无所知），我们只取星巴克的数据。


![img](http://upload-images.jianshu.io/upload_images/13717038-b1bef832dccf0f66?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)


之前我们用info函数可以查看缺失值，但是我们常用isnull函数，这样可以清楚看出各字段的缺失值都有多少数据。

data.isnull().sum()

![img](http://upload-images.jianshu.io/upload_images/13717038-d83ba7d8de5d544b?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)


因为对city字段感兴趣，所以我们查看到底缺失的数据，是哪些，我们可以看出，大部分是埃及的国家（是不是这些国家没有划分城市，还是说没有录入数据）。

data[data[‘City’].isnull()]

![img](http://upload-images.jianshu.io/upload_images/13717038-ba808b179c44abd1?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)


接着，我们就处理这些缺失值。缺失值一般的处理方法有两种：


* 删掉
* 填充


这里我们选择就用国家字段填充到City字段上。

def fill_na(x): return x
data[‘City’] = data[‘City’].fillna(fill_na(data[‘State/Province’]))data[data[‘Country’]==‘EG’]

在数据分析中，我发现小美国的数据把台湾当做了国家，这我能忍么？直接重新赋值，换成了中国（中国一点都不能少）。整个的数据处理就到这了。

data[‘Country’][data[‘Country’] == ‘TW’] = ‘CN’

###### 分析+可视化


在python数据分析中，我常常会把分析和可视化结合在一起，首先我们看看哪些国家星巴克店最多。


通过值计数，看看前10个国家。当然，数据分析中也会有各种方法：


* 值计数
* 数据分组聚合
* 透视表

country_count = data[‘Country’].value_counts()[0:10]

接着，我们就用pandas可视化（后两期再介绍功能更强大的可视化方法）。可以看出：美国和中国的是最多的。

import matplotlib.pyplot as pltplt.rcParams[‘font.sans-serif’] = [‘simhei’] #指定默认字体plt.rcParams[‘axes.unicode_minus’] = False #解决保存图像是负号’-'显示为方块的问题%matplotlib inline
country_count.plot(kind=‘bar’)

![img](https://img-blog.csdnimg.cn/img_convert/60d0beafc539c1992fcc256c241bdc15.webp?x-oss-process=image/format,png)


接着同样的方法，看看哪些城市的星巴克最多？默默发现，上海市最多（竟然不是美国城市），果然中国市场很大嘛。


![img](https://img-blog.csdnimg.cn/img_convert/53736ed1248c89b55bf089cc49cf6e8a.webp?x-oss-process=image/format,png)


最后，筛选出中国地区的数据，看看中国城市的星巴克数量排名。上海最多，北京第二，上榜的也可以看出都是经济较发达的城市~





### 最后

Python崛起并且风靡，因为优点多、应用领域广、被大牛们认可。学习 Python 门槛很低，但它的晋级路线很多，通过它你能进入机器学习、数据挖掘、大数据，CS等更加高级的领域。Python可以做网络应用，可以做科学计算，数据分析，可以做网络爬虫，可以做机器学习、自然语言处理、可以写游戏、可以做桌面应用…Python可以做的很多，你需要学好基础，再选择明确的方向。这里给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

#### 👉Python所有方向的学习路线👈

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

![](https://img-blog.csdnimg.cn/img_convert/604bae65027d4d67fb62410deb210454.png)

#### 👉Python必备开发工具👈

工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

![](https://img-blog.csdnimg.cn/img_convert/fa276175617e0048f79437bd30465479.png)



#### 👉Python全套学习视频👈

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

![](https://img-blog.csdnimg.cn/img_convert/16ac689cb023166b2ffa9c677ac40fc0.png)



#### 👉实战案例👈



学python就与学数学一样，是不能只看书不做题的，直接看步骤和答案会让人误以为自己全都掌握了，但是碰到生题的时候还是会一筹莫展。



因此在学习python的过程中一定要记得多动手写代码，教程只需要看一两遍即可。

![](https://img-blog.csdnimg.cn/img_convert/0d8c31c50236a205928a1d8ae8a0b883.png)



#### 👉大厂面试真题👈

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

![](https://img-blog.csdnimg.cn/img_convert/99461e47e58e503d2bc1dc6f4668534a.png)


**如果你需要这些资料，可以添加V无偿获取：hxbc188 （备注666）**
![img](https://img-blog.csdnimg.cn/img_convert/6af4a746d4827e95f813c540dd4b811f.png)

**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**

**如果你需要这些资料，可以添加V无偿获取：hxbc188 （备注666）**
[外链图片转存中...(img-2oqzrshi-1713822064405)]

**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**