阿里天池新人赛-用Pandas揭秘美国选民的总统喜好
主要使用pandas库进行数据的处理,以及分析,使用mathplotlib进行数据的可视化,使用词云进行了辅助的词语统计;
通过实际的练习,对于数据处理有了比较深入的认识,比较使用Excel进行数据处理,使用python有着其独特的优势,特别是在处理大量数据方面,处理速度明显提升;
pandas库主要使用函数:
- read_csv:用于读取文件的函数,可接受参数如下
- filepath_orbuffer:文件路径;
- sep:定义分隔符,默认为’,’;
- header:表头设置参数,传入0时,将首行设置为表头;
- names:表头设置参数,将传入列表设置为表头;
- index_col:设置行索引
- merge:用于将两个DataFrame链接,可接受如下参数:
- left:一个DataFrame
- right:另一个DataFrame
- on:用于对应合并在一起的列名,两各表格都要包含该列
- left_on:第一个数据表格用于合并的列名
- right_on:第二个数据表格用于合并的列名
- DataFrame:一种pandas基础数据格式,可接受参数如下:
- data:用于传入数据;
- index:列索引
- columns:行索引
- head:用于取数据表的前多少行,接受int型数据
- info&shape:用于显示当前数据表对象的信息
- fillna:用于处理数据表中空数据
- astype:用于将数据表中数据转换类型
- describe:对于数据列进行中位数,重数,最大值,最小值,平均值等数据分析;
- groupby:将数据进行分组统计
- by:接受用于分组的的列名名称
- sort_values:用于将数据进行排序
- by:接受用于排序的的列名名称
- ascending:用于确定是进行正向排序还是逆向排序
- value_counts:用于进行数据的统计