python数据分析练习(二）

问题2、计算每种车的年销量和平均价（hatchback and sedan 是同一种车的不同车厢类别，如Ford Focus Sedan和Ford Focus Hatchback都属于是Ford Focus，同时Focus是Ford旗下的一个车型）

 

问题1、问题3链接：

python破某公司数据分析笔试题(一）：https://blog.csdn.net/dafeidouzi/article/details/100168562

python破某公司数据分析笔试题(三）：https://blog.csdn.net/dafeidouzi/article/details/100170469

 

开始进入正题，首先导入库，别名

这是接着上一篇博客的，用的是合并后的数据进行相关操作

导入合并后的数据，查看数据信息，可以看到该数据没有缺失值，但Price和Volume这两个特征变量显示的是字符串，但事实上这两个特征是数值数据，显然这两个特征是有问题的，原因在于这两个特征数据里面存在着n.a值，故数据类型才会显示为object

老操作，先处理数据，所以这里我打算用均值替换掉Price和Volume中的n.a值，我的做法是先使用.isdigit（）识别出不是数值的值，然后将其赋值为0，计算所在列的均值后，将均值赋给原来的n.a值

结果如下：

替换掉n.a值之后，查看数据信息可以看到，Price、Volume这两个特征的数据类型已经改成int类型了

查看数据前5行用的是.head()

查看数据的描述统计信息

1.可以看到汽车价格中均值为19292，最小值为203，而最大值是22367，所以要考虑的是在现实生活中是否存在，是否具有现实意义？如果没有，这个值可能是异常值,后面通过可视化去验证这一猜测。
2.汽车体积的均值为15804，最小值为9559，最大值为170440，同样，Volume中可能存在异常值

下面绘制Price、Volume这两个特征的箱线图去看看值的分布，可以看到Price、Volume都存在着一个离群点，而且偏离数据程度十分严重，故可视为异常值

对于异常值的处理，同样我采用的是均值替补的方法

结果如下：可以看到13那一行中对应的Price的值已经由原来的203替换成19291了，同样Volume中的异常值也已经被换成14612了，这里没有截出来

数据处理好之后，就开始进入问题2的操作了，这里再将问题粘贴出来

根据问题2，我的理解是将车类型分为4类：Chevy Cruze、HoNDA CiviC和Honda Civic、Ford Focus Sedan和Ford Focus Hatchback、Focus Hatchbac，我也不知道对不对，单纯是我自己的理解

接着就是从data中提取出这四类车，然后利用count()、mean()计算数量和均值

对于一个类型里面有两种不同的车厢或不同写法的问题，我是将它们分别提取出来，然后使用pd.concat（）将它们连接起来，具体操作如下代码：

到这里，问题2的基本操作就完成了，完全靠自己的理解来的，也不懂那里做不好，希望有大佬路过的话，可以指点一下~小豆子在此谢过