数据分析常用命令

snailbuster

于 2019-05-07 10:44:36 发布

阅读量496

点赞数

分类专栏：数据分析文章标签：数据分析

本文链接：https://blog.csdn.net/snailbuster/article/details/89536319

版权

本文详细记录了数据分析过程中常用的操作命令，包括数据读取、预处理、抽样查看、分类统计、条件查找、数据可视化和数据处理等。例如，使用info()查看数据列数，用loc进行条件筛选，用nunique()计算类别数量，使用value_counts()查看列值分布，通过round()进行数值四舍五入，以及数据合并等操作。

摘要由CSDN通过智能技术生成

本文用于记录数据分析使用的命令。
读取数据：
chipo = pd.read_csv(path1, sep = '\t')

预处理数据：
查看数据有多少列:info()
抽样查看：df.sample(frac=0.1,random_state=42)
以item name对quantity进行分类，看quantity的总量
c = chipo[['item_name','quantity']].groupby(['item_name'],as_index=False).agg({'quantity':sum})
查看不同类别总数/多少种商品：
chipo[‘item_name’].nunique()

查找数据：
loc:
data.loc[(data['所在楼层'] == '高楼层') & (data['电梯'].isnull()),'电梯'] = '有'
loc【条件，列】，条件中可以使用&来表示多个条件的并。实例中把高楼层中电梯一栏为空的填写为有。
value_count:
data['朝向'].value_counts()
用来查看朝向一列所有值的种类都是什么
选取除了倒数第三列之外的全部列：
euro12.iloc[: , :-3]
找到三个国家的射正率：
euro12.l