昨天抓取的数据今天来搞一下

以昨天抓取的数据为例子，一窥python进行数据分析流程。当然，现实情况是：此次抓取的数据，数据量小、可用字段少。不过，只是以此为例，初探究竟。

首先，昨天我们抓取的数据是以json格式存储到文件中的。读取json文件，python的pandas可以大显身手，使用及其方便。

1. 读入数据

导入pandas这个package，直接调用pandas中的read_json方法。

通过head查看此数据框的第一行，由于字段较多，pandas只显示首尾部分，结果不再展示。

2. 清洗数据

• 剔除重复项目

认为同一个wx_origin_id的是同一个微信号，所以要使用参数subset，否则会默认检查所有字段，只有两条数据所有字段的值都相等时，才算是重复数据。

以上代码的结果如下所示：

• 检查空值

3. 描述性分析

比如可以看看预估粉丝量排名

mydata.sort_values('fans_num_estimate', ascending=False).head(10)['wx_alias']

mydata.sort_values('fans_num_estimate', ascending=False).head(10).loc[:,['wx_alias','fans_num_estimate']]

欢迎点击下方二维码，关注《数据分析师手记》，跟三月桑一起学习数据分析