数据分析之实例二：物流行业数据分析

import os
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']#设置字体

一.清洗数据

#1.重复值，缺失值，格式调整
data= pd.read_csv('data_wuliu.csv',encoding='utf8')
#加载文件，规定编码格式
data.info()
#通过info()可以看出，包括10列数据，名字，数据量，格式等，可以得出：

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 1161 entries, 0 to 1160
Data columns (total 10 columns):
 #   Column  Non-Null Count  Dtype  
---  ------  --------------  -----  
 0   订单号     1159 non-null   object 
 1   订单行     1161 non-null   int64  
 2   销售时间    1161 non-null   object 
 3   交货时间    1161 non-null   object 
 4   货品交货状况  1159 non-null   object 
 5   货品      1161 non-null   object 
 6   货品用户反馈  1161 non-null   object 
 7   销售区域    1161 non-null   object 
 8   数量      1157 non-null   float64
 9   销售金额    1161 non-null   object 
dtypes: float64(1), int64(1), object(8)
memory usage: 90.8+ KB

#1.订单号，货品交货量，数量：存在缺失值，但是缺失量不大，可以删除 
#2.订单行可以无关紧要，直接删除 
#3.销售金额格式不对，（万元，元，逗号问题），数据类型转成float

data.drop_duplicates(keep='first',inplace=True)
#删除重复记录,如果遇到重复，保留第一行，并在原数据上修改
data.dropna(axis=0,how='any',inplace=True)
#删除缺失值（na，删除持有na的整行数据，默认值：axis=0按行删除，how='any‘一行只要有一个’na就可以删除，‘all'则要全部na删除
data.drop(columns=['订单行'],inplace=True,axis=1)
#axis=1按列删除
print(data.info())
#删除订单行（重复运行行会报错，因为第一次已经删除了订单行这一列
data.reset_index(drop=True,inplace=True)
#更新索引（drop=True:把原来的索引index列删除，重置一个index

data.drop_duplicates(keep='first',inplace=True)
#删除重复记录,如果遇到重复，保留第一行，并在原数据上修改