pandas数据载入与预处理

古柯(●—●)

已于 2022-04-17 10:19:38 修改

阅读量1.9k

点赞数 1

文章标签： python jupyter

于 2022-04-14 13:51:08 首次发布

本文链接：https://blog.csdn.net/kyj3518861703/article/details/124169774

版权

本文分析了edX平台的数据，发现最受欢迎的课程为计算机科学，特别是HarvardX的计算机科学课程。MITx在科学、技术、工程和数学类课程中更具优势。学员主要为30岁左右的高学历男性，完成课程比例和拿到证书的比例偏低，表明课程难度或时间可能影响学习完成度。平台应考虑优化课程内容和结构，满足用户需求。

摘要由CSDN通过智能技术生成

一：提出问题：

哪些课程最受欢迎？什么类别的课程最受欢迎？

人们更喜欢Harvard还是MITx的课？

二：理解数据：

数据来源：数据竞赛平台Kaggle

Your Home for Data Sciencewww.kaggle.com/

共有23个字段，一共290门在线课程。数据分为4种类型

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
%matplotlib inline

fdata = pd.read_csv('f:/anaconda/data/appendix.csv') 
fdata.head()

1、课程字段

Institution，学校

Course Number，课程ID

Launch Date，上线时间

Course Title，课程名

Instructors，讲师

Course Subject，课程类别

Year，课程持续时间

Honor Code Certificates，是否授予证书

2、数量字段

Participants (Course Content Accessed)，学生数

Audited (> 50% Course Content Accessed)，完成50%课程的学生数

Certified，拿到证书的人数

Total Course Hours (Thousands)，总课程时间（千小时）

Median Hours for Certification，取得证书时间中位数

3、百分比字段

% Audited，完成50%课程学员的比例

% Certified，拿到证书的学员比例

% Certified of > 50% Course Content Accessed，完成课程50%学员拿到证书的比例

% Played Video，视频播放率

% Posted in Forum，论坛张贴率

% Grade Higher Than Zero，分数高于0的比例

4、用户情况字段

Median Age，年龄中位数

% Male，男性学员占比

% Female，女性学员占比

% Bachelor's Degree or Higher，本科学历及以上比例

#修改列名
fdata.rename(columns={'Institution':'学校','Course Number':'课程ID','Launch Date':'上线时间','Course Title':'课程名'},inplace=True)
fdata.rename(columns={'Instructors':'讲师','Course Subject':'课程类别','Year':'课程持续时间','Honor Code Certificates':'是否授予证书'},inplace=True)
fdata.rename(columns={'Participants (Course Content Accessed)':'学生数','Audited (> 50% Course Content Accessed)':'完成50%课程的学生数','Certified':'拿到证书的人数','Total Course Hours (Thousands)':'总课程时间（千小时）'},inplace=True)
fdata.rename(columns={'