Pandas数据分析及可视化应用实践

Pandas是一个基于Numpy的数据分析库，它提供了多种数据统计和数据分析功能，使得数据分析人员在Python中进行数据处理变得方便快捷，接下来将使用Pandas对MovieLens 1M数据集进行相关的数据处理操作，运用具体例子更好地认识和学习Pandas在数据分析方面的独特魅力。

准备工作

首先使用Anaconda安装Jupyter Notebook，由于Jupyter支持单个文件上传，为了便于管理，可以通过upload先上传数据集的压缩包，然后通过zipfile解压数据集，解压后的数据集保存在data文件夹下，可以执行如下代码:

注：若upload无法上传数据压缩包，可以将数据压缩包放到Desktop，在Jupyter中找到Desktop文件夹，通过move移动到目标路径下。

导入Pandas，Numpy数据分析包，等待数据分析

数据读取与处理

1、Movielens数据集

MovieLens数据集是GroupLens Research收集电影评分数据集，包括100K,1M,10M等不同规模的数据集，本文选取MovieLens-1M数据集，该数据集包括6040名用户对3900部电影发布的1000209条评论数据。常用作推荐算法，数据统计数据集。

2、读取数据集

Pandas提供了多种方式来读取不同类型数据，本文使用read_csv来读取Movielens-1M各个子数据集，该方法将表格型数据读取为DataFrame对象，这是Pandas核心数据结构之一，另一个是Series。DataFrame表示的是矩阵的数据表，二维双索引数据结构，包括行索引和列索引。Series是一种一维数组型对象，仅包含一个值序列与一个索引。本文所涉及的数据结构主要是DataFrame。

函数描述|------

951×173 17.2 KB

② 读取movies.dat数据集并输出前6条数据，此处自定义数据展示的条数。

movies.dat数据集movie_id:电影id，title:电影名称以及上映时间，genres:电影的题材。

942×169 9.75 KB