python dataframe删除某一列_怎样用Python进行数据分析

本文总结了猴子Live课程：怎样用Python进行数据分析，主讲内容包括Numpy和Pandas。

一、一维数据分析

一维数据分析，可以使用Numpy中Array，也可以使用Pandas中的Series，Series的功能会更多些。

Numpy一维数组的使用：

Numpy一维数组与Python列表的区别？--Numpy具有统计功能、向量化计算，Numpy数组中的数据类型必须是一致的，Python列表可以存储不同的数据类型。

Pandas一维数组的使用：

Pandas的Series可以创建索引，可以使用describe获取描述性统计信息

Pandas的Series获取数据有两种方式，iloc根据元素位置获取值，loc根据索引获取值

Pandas - Series支持向量相加，可以使用+号和add，add支持缺失值填充

二、二维数据分析

Numpy中通过Array创建二维数组，Pandas中通过DataFrame创建二维数组，数据框DataFrame更加广泛。

Numpy二维数组：如何定义二维数组、3种获取元素的情况

Numpy数轴参数，指定按照某一行或者某一列进行计算

DataFrame二维数组：

DataFrame相对于Numpy二维数组的优势：

• DataFrame每一列可以是不同的数据类型
• DataFrame每一行每一列都有一个索引值，很容易存储常见的表格数据

DataFrame 的创建和使用，学会使用iloc按照位置查询数据，loc按照索引查询数据，通过列表查询某几列数据，通过切片查询数据，以及通过条件判断筛选数据。

DataFrame：数据集描述性统计信息

三、通过案例学习数据分析步骤

数据分析步骤：提出问题、理解数据、数据清洗、构建模型、数据可视化

提出问题：一切的数据分析都是为了解决我们工作或生活中的问题，明确的问题为我们后面的数据分析提供了一个大的目标。

理解数据：根据我们的问题采集数据，将数据导入到数据框中，查看数据集的信息，从整体上了解数据。

数据清洗：对数据进行清洗，很多数据并不符合我们的标准。

构建模型：简单的分析是得到某些业务的指标，复杂的分析需要用到机器学习的算法。

数据可视化：与他人交流自己的数据结果，最好的方式就是使用图表。

案例过程：

1. 提出问题：某医院销售数据，需要获取月均消费次数、月均消费金额、客单价、消费趋势

理解每个业务指标的含义，实际项目中，前期我们需要和业务人员一起讨论明确他们的需求，各个指标的计算公式

2. 理解数据

#1.读取Excel数据（统一按str读入，之后转换）
fileNameStr='./医院销售数据.xlsx'
xls=pd.ExcelFile(fileNameStr, dtype='object')
salesDf=xls.parse('Sheet1',dtype='object')
#2.打印前几行
salesDf.head()
#3.查看有多少行多少列
salesDf.shape()
#4.查看列的数据类型
salesDf.dtypes

3. 数据清洗

数据清洗步骤：

• 选择子集
• 列名重命名
• 缺失数据处理
• 数据类型转换
• 数据排序
• 异常值处理

#1.选择子集
subSalesDf=salesDf.loc[0:4,'购药时间':'销售数据']
#2.列名重命名
colNameDict=['购药时间':'销售时间']
subSalesDf.rename(columns=colNameDict,inplace=True）
#3.缺失数据处理,删除指定列中为空的行，
#how='any'在给定的任何一列中有缺失值就删除
subSalesDf.dropna(subset=['销售时间','社保卡号'],how='any']
#4.数据类型转换，字符串转化为数值
subSalesDf['销售数量']=subSalesDf['销售数量'].astype('float')
subSalesDf['应收金额']=subSalesDf['应收金额'].astype('float')
subSalesDf['实收金额']=subSalesDf['实收金额'].astype('float')
#处理日期，字符串分割split，定义一个分割日期的函数
'''
定义函数：分割销售时间，获取销售日期
输入：timeSereis销售时间这一列，是个Series数据类型
输出：分割后的时间，返回也是个Sereis数据类型
'''
def splitSaletime（timeSeries): 
     timeList=[]
     for value in timeSeries:
    #分割字符串，获取销售日期
          dateStr=value.split('')[0]
           timeList.append(dateStr)
     #将列表转行为一维数据Series类型
     timeSeries=pd.Sereis(timeList)
     return timeSeries
#获取销售时间这一列，对字符串进行分割获取销售日期
timeSeries=subSalesDf.loc[:,'销售时间']
dateSeries=splitSaletime（timeSeries）
#修改销售时间这一列的值
subSalesDf.loc[:,'销售时间']=dateSeries
#字符串转日期
subSalesDf.loc[:,'销售时间']=pd.to_datetime(subSalesDf.loc[:,'销售时间'],format='%Y-%m-%d',errors='coerce')
#转化日期过程中不符合日期格式的数值会被转化为控制None，删除为空的行
subSalesDf.dropna(subset=['销售时间'],how='any']
#5.数据排序，按销售日期进行升序排序
subSalesDf=subSalesDf.sortvalues(by='销售时间',ascending=True）
#重命名行名（index）
subSalesDf=subSalesDf.reset_index(drop=True)
#6.异常值处理
#每一列的描述性统计信息
subSalesDf.describe()
#删除异常值：通过条件判断筛选出数据
#查询条件
querySeries=subSalesDf.loc[:,'销售数据']>0
#应用查询条件
subSalesDf=subSalesDf.loc[querySeries,:]

4. 构建模型