Python数据分析实战：获取数据

文章来源：可乐的数据分析之路

作者：虾壳可乐

想用一个完整的案例讲解Python数据分析的整个流程和基础知识，实际上以一个数据集为例，数据集是天池上的一个短租数据集，后台回复：短租数据集，即可获得。

先来想一下数据分析的流程，第一步获取数据，因此本节内容就是获取数据以及对数据的基本操作。

1.数据导入

1.1 导入.xlsx文件

要导入一个.xlsx后缀的Excel文件，可以使用pd.read_excel(路径)方法

# 导入.xlsx文件
df_review = pd.read_excel(r"D:\个人\data\reviews.xlsx")
df_review

结果：

df_review数据包含了两个字段，listing_id和date

读入数据时必不可少的参数就是路径，不同的操作系统下文件路径的写法也不同，通常windows操作系统下关于路径有两种写法：

• 反斜杠“ \ ”:右键点击这个文件，选择属性，可以看到它所在的位置，默认是使用 \ 来表示，由于反斜杠“\”在Python中被定义为转义符号，因此在写的时候就要在路径的最前方加一个转义符 r，r"D:\个人\data\reviews.xlsx"
  

  

• 斜杠“ / ”：不需要加r，全部用 / 来写："D:/个人/data/reviews.xlsx"
  两种方式看个人习惯吧。

sheet_name 参数

对于.xlsx文件来说，可能会存在多个sheet表，因此也可以设置sheet_name参数指定导入的sheet表，可以传入sheet表的名字，也可以按照从0递增的顺序来指定，不指定sheet表则默认第一个sheet.

# 指定Sheet表
df_review = pd.read_excel(r"D:\个人\data\reviews.xlsx",sheet_name = 0) # 指定名字或顺序
df_review

1.2 导入.csv文件

导入.csv格式的文件使用pd.read_csv(路径)的方法

# 导入csv文件
df_list = pd.read_csv(r"D:\个人\data\listings.csv")
df_list

结果：

df_list数据主要包括：房东ID、房东姓名、经纬度、房间类型、价格、最小可租天数、评论数量、最后一次评论时间、每月评论占比、可出租房屋、每年可出租时长等字段

指定编码格式

对于.csv文件有个重要的知识点，就是编码格式，尤其是在导入文件的时候，需要了解文件的编码格式，以免出现乱码，那么如何知道文件是什么类型的编码呢？用notepad++软件打开，右下角会显示该文件的编码格式，如刚刚导入的listings.csv文件，是utf-8编码，在书写编码时，大小写通用，且utf-8也可以写成utf8.

可以用encoding参数来设置编码格式，Python默认的编码格式是utf-8。

中文乱码问题

对于文件路径中因为出现中文而导致的乱码问题，可以加入参数engine来避免。

# 避免出现乱码
df_list = pd.read_csv(r"D:\个人\data\listings.csv",engine = "python")
df_list

结果：

image.png

指定行索引

不指定行索引的话，从0开始递增的一列作为行索引，也可以指定id一列为行索引，传入参数index_col

# 指定行索引
df_list = pd.read_csv(r"D:\个人\data\listings.csv",index_col = "id")
df_list.head()

结果：可以看到，id列成了行索引列。

指定列索引

默认第一行是列索引，也可以指定，使用header参数，header = 0，表示指定第一行为列索引。

# 指定列索引
df_list = pd.read_csv(r"D:\个人\data\listings.csv",header = 0)
df_list.head()

结果：

指定导入列

有时候我们希望只导入指定的列即可，那么就传入usecols参数

# 指定导入1、4列
df_list = pd.read_csv(r"D:\个人\data\listings.csv",usecols = [0,3])
df_list.head()

结果：

2.对数据的基本操作

导入数据后，需要对数据进行一个大概的了解，比如数据集有几行几列，每个字段的数据类型是什么，有无空值等。

预览

不必完全跑出数据，只需看下前几行，用head方法，得到的是前5行数据

# 预览数据
df_list = pd.read_csv(r"D:\个人\data\listings.csv")
df_list.head()

结果：

head()里也可传入数字，如预览前10行数据

# 预览数据
df_list = pd.read_csv(r"D:\个人\data\listings.csv")
df_list.head(10)

查看数据维度

数据集有几行几列，用shape

# 查看数据集维度
df_list.shape

结果：可以看到df_list数据集有28452行，16列

查看数据类型

使用dtypes可以查看数据集所有字段的数据类型

# 数据类型
df_list.dtypes

结果：

也可以单独查看某一个字段的数据类型

# 单独查看某个字段的数据类型
df_list["host_id"].dtypes

结果：

写在后面加油！

如果你觉得文章还不错，请大家点赞分享下。你的肯定是我最大的鼓励和支持。

老表Pro已经满了

所以大家加老表Max吧

每日留言

说说你最近遇到的一个编程问题？

或者新学的一个小技巧？

（字数不少于15字）

完整Python基础知识要点

Python小知识 | 这些技能你不会?(一)

Python小知识 | 这些技能你不会?(二)

Python小知识 | 这些技能你不会?(三)

Python小知识 | 这些技能你不会?(四)

近期推荐阅读：

【1】整理了我开始分享学习笔记到现在超过250篇优质文章，涵盖数据分析、爬虫、机器学习等方面，别再说不知道该从哪开始，实战哪里找了

【2】【终篇】Pandas中文官方文档：基础用法6（含1-5)

觉得不错就点一下“在看”吧