一、数据分析流程
1.确定数据分析的目的:明确的分析目的就像是瞄准了正确的靶心,才能使后续的动作有意义
2.获取数据:收集原始数据数据来源可能是丰富多样的格式也可能不尽相同
3.清洗数据:理顺杂乱的原始数据,并修正数据中的错误,这一步比较繁杂,但确是整个分析的基石
4.探索数据:进行探索式分析,对整个数据集有个全面的认识,以便后续选择何种分析策略
5.建模分析:常常用到机器学习深度学习等算法
6.结果交流:使用报告、图表等形式展现出来与他人交流
二、数据清洗常用方法:
数据的读写 | pd.read_csv('文件路径‘) pd.read_excel('文件路径‘) |
数据的探索与描述 | df.info() df.describe() |
数据简单处理 | 去除数据间的空格 英文字母大小写的转换 |
重复值的处理 | duplicated() drop_duplicates() |
缺失值处理 | 删除缺失值 均值填补法 向前填充/向后填充(STOME) 模型填补法,如随机森林 |
异常值处理 | 删除异常值的记录 作为缺失值处理 平均值修正、盖帽法修正 不处理:业务分析挖掘价值 |
文本字符串处理 | 去除前后空格处理 处理中间有,()之类的数据:replace(',','') 正则表达式提取所需数据 |
文本字符串处理 | 将系统时间格式化 系统时间和时间戳相互转换 年月日的提取 |
异常值处理
用 df.discribe().T 查看数据情况
三、实例
略,可自行去b站查看相关视频 【Python 数据清洗】用Python给数据洗澡澡~ |数据分析|数据清洗|数据预处理|_哔哩哔哩_bilibili