【数据分析】图书馆数据-02重命名、索书号、分组

• 【数据分析】图书馆数据-01建表
• 【数据分析】图书馆数据-02重命名、索书号、分组
• 【数据分析】图书馆数据-03直方图展示借书数量与借书人数之间的关系
• 【数据分析】图书馆数据-04借阅情况聚类挖掘
• 【数据分析】图书馆数据-05读者类型聚类挖掘
• 【数据分析】图书馆数据-06数据处理过程中的算法
• 【数据分析】图书馆数据-07关联规则
• 【数据分析】图书馆数据-08决策树

图书馆数据预处理：

      1、由于表的字段都是中文，为了后续处理的方便性，首先将表的字段全部重命名为英文。
      2、对于索书号而言，图书的类型主要由索书号的首字母来决定，因此这里将对索书号进行字符串分割，只保留索书号的首字符。
      3、分组获取不同学生借书数量的多少，便于对学生借书行为进行分析。

字段重命名：

df = pd.read_csv('data.csv')
print df.head()
# -----------------
# 字段重命名，重命名为英文名
# -----------------
df.columns = ['', 'read_num', 'read_name', 'read_sex', 'book', 'book_id', 'read_unit', 'read_class']  # 重命名
print df.head()

划分索书号：

import pandas as pd
"""
    划分索书号，获取索书号前两位，分组，获取每个学生的借书数量
"""
pf = pd.read_csv('data_english.csv', encoding='gbk')
print pf.head()
print '---------------------------------'
"""
    获取书目索引号的首位
"""
book_id = pf.pop('book_id')  # 使用pop()函数获取这一列，由于这一列需要修改，所以需要进行删除
# book_id = pf['book_id'].copy()
book_id = book_id.str[:1]
print book_id
print type(book_id)
print '----------------------------------'
"""
    重新插入书目列
"""
pf.insert(5, 'book_id', book_id)
print pf.head()
print '----------------------------------'

分组统计借书数量：

"""
    插入一列num全为1
"""
pf['num'] = 1
print pf.head()
print '----------------------------------'
# for row in len(book_id):
#     print
"""
    按学号分组操作
"""
book = pf[['read_num', 'num']].copy()
print book
# book_counts = book.groupby('read_num').aggregate(sum)
book_counts = book.groupby('read_num').agg('sum')
# print book_counts  # 获得每个学生借书数量的多少
book_counts = book_counts.reset_index()  # 索引转换为列表
print book_counts
print '----------------------------------'

data = pd.merge(pf, book_counts, on=['read_num'], how='left')  # pandas csv表左连接
# print data

---

对业务上的数据分析，也是首次开始学习，如果分析的不对，也请提点一下，想法很重要，所以这也是基于自己现有的想法进行分析处理，在这个数据分析的流程上，在业务逻辑上，有任何建议都希望给予提点，谢谢！