- 【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!