最全三大招式熟练Python数据分析_data[data[‘beds‘](1)，面试的必考题目是

文末有福利领取哦~

👉一、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。

👉二、Python必备开发工具

👉三、Python视频合集

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉 四、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。（文末领读者福利）

👉五、Python练习题

检查学习结果。

👉六、面试资料

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。

👉因篇幅有限，仅展示部分资料，这份完整版的Python全套学习资料已经上传

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

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！

读取数据

这里以全球星巴克的数据为例（https://www.kaggle.com/starbucks/store-locations），首先提出问题（前文说过要以业务为基础，这里我们只能提前定义几个感兴趣的问题），哪些国家星巴克店铺较多；哪些城市星巴克店铺较多；中国星巴克店铺分布情况。

首先通过read_csv读取数据，将文件转换为DataFrame格式，这样我们就可以在Python中进行处理。当然，pandas支持各种文件格式（read_excel,read_sql等等），做详细系列的时候逐一讲解。

import numpy as npimport pandas as pd
data = pd.read_csv('directory.csv')data.head()

查看数据

我们可以通过describe和info方法对整个数据有个大概的情况。describe用于查看数值型数据的分布情况。

data.describe()

info方法用于查看各字段的数据类型，以及缺失情况，可用于后面的数据处理。这里我们根据问题，对country和city字段感兴趣，然后发现city缺失，所以后文中需要对其处理。

data.info()

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。

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()

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()]

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。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

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！

需要这份系统化学习资料的朋友，可以戳这里获取](https://bbs.csdn.net/topics/618317507)**

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！