python案例实战之三

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)