Python_实战演练_数据缺失值处理

---

本文所使用的数据放置在如下网盘，需要自行实验的可自取

——摘自2022年全国大学生数据分析大赛

链接：https://pan.baidu.com/s/1rgOaS6SgUJvb5Matpuj6xg?pwd=k65s 
提取码：k65s 

---

题目要求

对所有药品品牌进行分析，一共包含多少个品牌，各品牌的销售额占比如何？给出销售额占比最高的 10 个品牌，并分析这 10 个品牌销售较好的原因？

---

利用 Excel 筛选发现，parameter 和 brand 均存在缺失值，

其中 ，parameter 的数据长这样

品牌:FANCL||系列:综合营养包||生产企业:FANCL株式会社

下面附上代码处理

# -*- coding: UTF-8 -*-
import pandas as pd
from pandas import DataFrame

#判断是否为空白值
def is_nan(nan):
    return nan!=nan

infodata = pd.read_csv('data.csv',low_memory = False)
brandLst = infodata['brand'].tolist()
parameterLst = infodata['parameter'].tolist()

brand = []

for i in range(0,len(brandLst)):
    if not is_nan(brandLst[i]):
        brand.append(brandLst[i])
    elif is_nan(brandLst[i]) and not is_nan(parameterLst[i]):
        parameter = parameterLst[i].split('||')
        for x in parameter:
            if '品牌:' in x:
                tmp = x[3:len(x)]
                brand.append(tmp)
                break
    else:
        brand.append('other/其他')

outdata={'brand':brand}
df=DataFrame(outdata)
df.to_csv('result.csv')