本案例是对有开发APP需求时,对目前google store的app数据分析
1、导入数据,查看数据整体情况
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_csv('./googleplaystore.csv',usecols=(0,1,2,3,4,5,6))
df.head()
df.describe()
本次选取数据的前七列分析举例,字段描述为:
APP:app名字;Category:app类别;Rating:app评分;Reviews:评论数;Size:app大小;Installs:安装数;Type:收费类型
这里未将Reviews列出,说明存在异常值(非数值型格式),后续分析时需清洗。
2、数据清洗
2.1查询重复值
2.1.1根据app名字查询重复值
df[df['App'].duplicated()]
根据结果看出,其中1181行app存在重名。一般情况下,重复值在最后进行处理,这里暂时不做处理,可先查看全部重复项。
df[df.duplicated()]
完全重复行为485行,对于全部重复项也可采取提前进行删除处理。
2.2、Category处理
df['Category'].value_counts(dropna=False)
df[df['Category']=='1.9']
df.drop(index = 10472,inplace=True)
存在类型为1.9的分类,为异常数据,单独查看后发现为数据错位,需删除。
2.3、Rating处理
df['Rating'].value_counts(dropna=False)
存在1474行空值数据,这里使用平均值进行填充
df['Rating'].fillna(value=df['Rating'].mean(),inplace=True)