Python数据分析笔记③

利用Python进行数据分析学习，基础知识第三弹，具体内容可以参考目录。希望阿慕童鞋可以不断学习，不断UP

目录

字符串方法(可用于数据清洗)

1. split（数据分割）

2. contains(数据筛选）

3. replace(数据替换）

4. extract（数据提取）

绘图（做可视化）

1. 折线图

2. 柱状图

3. 水平柱状图

4. 直方图

5. 散点图

6. 饼图

7. PyGWalker（第二种绘图方法） 

map/apply/applymap

字符串方法(可用于数据清洗)

1. split（数据分割）

#1. 前期数据导入
import pandas as pd
history=pd.read_excel('history.xlsx')
history


#2. 取“广告计划名称”这一列，在输入str.后选择split方法，并按照“_”进行分割
history['广告计划名称'].str.split('_')

split调整小功能 

1. 加入“ expand=True ” ,使其变为DataFrame框架

2. 若想取出分割后的某列，直接在后面补充加上“[相应的字段名]”

例子展示（此时仍是视图操作，不改变原表history的内容，如果想要结果保存，可以为所得结果单独增加一列）：

2. contains(数据筛选）

#取出“商品名称”这一列，筛序该列包含“玩转”这个词的记录
history[history['商品名称'].str.contains('玩转')]

3. replace(数据替换）

#使用到了正则表达式进行简化替换
history['商品名称'].str.replace(r'《(.*?)》',r'【\1】',regex=True)

4. extract（数据提取）

#使用到了正则表达式，其中提取广告计名称这一列
history['广告计划名称'].str.extract(r'(.*?)_')

绘图（做可视化）

Python绘图的两种方法

方法一：利用Pandas中的plot方法绘制各种图片

1. 折线图

调用plot方法

#先按投放日期分类，对其GMV进行汇总，then调用plot方法，其中kink选用折线类型，x轴为投放日期，y轴为GMV
history.groupby('投放日期')['GMV'].sum().plot(kind='line',x='投放日期',y='GMV')

输出效果：

 

改进：表格最下方的四个方块，即字体未能转换为汉字（导入matplotlib包，调用rcParams方法即可）

 

2. 柱状图

输入所需的x轴，y轴，并将kind改为“bar”类型

3. 水平柱状图

在柱状图的基础上横过来，将king改为“barh”即可

4. 直方图

5. 散点图

6. 饼图

7. PyGWalker（第二种绘图方法） 

（1）安装PyGWalker

将代码复制到小黑框

pip install pygwalker

#1. 在Jupyter NoteBook导入相关的包
import pygwalker as pw

#2. 将操作表引入pw
pw.walk(history)

 后续通过属性拖拽，便可以进行相关做图

map/apply/applymap

#使用map进行单列规则的自定义
history['GMV'].map(lambda x:int(x))

#map可以对字典进行操作，apply不可以
history['人群标签'].map({'数据分析':'数分'})

applymap可以进行批量处理（用的少，先pass）