Python数据分析流程
1、定义数据分析目标:明确挖掘数据的目标和达到的效果;
2、获取数据:网络获取或内部提取;
3、数据探索:对样本数据探索,了解数据特征,了解数据质量;
4、数据预处理:改善数据质量,包括数据筛选、数据变量转换、缺失值数据处理等;
4–>5、统计分析:统计学分析、多维分析;
4—>6、机器学习(深度学习)分析:确定分析问题类型(分类、聚类、关联等),选择相应的算法构建模型;
7、可视化:通过可视化展示分析结果
用于数据分析的库
request\BeautifulSoup库可用来获取数据;NumPy/Pandas可用来进行数据探索、数据预处理和数据分析;Scikit learn、Tensorflow、Karas可用来进行机器学习;matplotlib可用来可视化