【Python】读取文本数据，并作简单数据分析

来自CAU李光军《Python语言程序设计》的课后练习

作为一个科班生，上这门公选课实在是有点说不过去hh

但由于我只是一个python究极小白，所以也没有什么不对劲orz

（欢迎各位大佬对代码批评指正）

更新此贴：仅作为复习总结使用，同校的朋友可以参考（不过不建议照搬啊hh）

任务要求：

1.读取数据

（1）葡萄酒探索

2.处理数据

（1）查看白葡萄酒共分为几种品质等级。

（2）按白葡萄酒等级将数据集划分为7个子集,统计在每个品质的样本量。

（3） 统计在每个品质的样本量

（4）求每个数据集中fixed acidity的均值（保留小数点后2位）

（5）通过读论文，你可以分析的其他问题，有简单的描述。

提供：去格式的代码和运行结果。不建议直接提交“.ipynb”格式文件。

数据集：

winequality_red.csv

winequality_white.csv

数据说明：

使用红葡萄酒（学号最后一位为偶数和零）和白葡萄酒（学号最后一位为奇数）样本创建了两个数据集。

输入包括客观测试（如PH值），输出基于感官数据（葡萄酒专家至少进行3次评估的中位数）。每位专家对葡萄酒质量进行分级

介于0（非常差）和10（非常优秀）之间。

实例数：红酒-1599；白葡萄酒-4898。

6.属性数：11+输出属性

注意：一些属性可能是相关的，因此应用某种类型的特征选择。

7.属性信息：

输入变量（基于理化测试）：

1-固定酸度

2-挥发性酸度

3-柠檬酸

4-残余糖

5-氯化物

6-游离二氧化硫

7-总二氧化硫

8-密度

9-pH值

10-硫酸盐

11-酒精

输出变量（基于感官数据）：

12-质量（分数在0到10之间）

参考文献：

Modeling wine preferences by data mining from physicochemical properties..pdf

---

import csv

# 1

f = open(r"C:\Users\86158\Desktop\winequality_white.csv")

reader = csv.reader(f, delimiter=";")

content = []

for row in reader:

    content.append(row)

# 2.1

f.close()

quality_list = []

for row in content[1:]:
    try:
        quality_list.append(int(row[-1]))
    except:
        continue

quality_count = set(quality_list)

print(f"葡萄酒共{len(quality_count)}种等级，为{quality_count}")

# 2.2

content_dict = {}

for row in content[1:]:
    try:
        quality = int(row[-1])
    except:
        continue

    if quality not in content_dict.keys():

        content_dict[quality] = [row]

    else:

        content_dict[quality].append(row)

for key in content_dict:

    print(f"{key}等级：{len(content_dict[key])}")

# 2.3

number_tuple = []

for key, value in content_dict.items():

    number_tuple.append((key, len(value)))

print(f"\n统计每种品质的样本量：{number_tuple}")

# 2.4

mean_list = []

for key, value in content_dict.items():

    sum = 0

    for row in value:

        sum += float(row[0])

    mean_list.append((key, sum / len(value)))

print("\n每种品质的fixed acidity均值如下：")

for item in mean_list:

    print(f"{item[0]}：{'%.2f' % item[1]}")

# 2.5

# 1 等级中值为6，且各等级的标本量基本符合统计规律的正态分布。
# 2 等级越高，fixed acidity越大。
# 3 某些化学物质属性之间相关联。