pandas数据分析实例（pandas、matplotlib）

本人喜欢数据分析，接触数据分析也接近两年的时间了，最近在学习pandas。学习最好的方法是使用它，所以，根据这个文章，做了一些练习，并记录下我练习的轨迹。
本篇文章是练习文，输出的观点以及技术比较少。
文章链接：https://mp.weixin.qq.com/s/RcrQmqty1FHEDbQfxv2XTQ
感谢作者！！！
主要是四部分：数据读取，数据概述，数据清洗和整理，分析和可视化

一、数据读取

df = pd.read_csv(r'F:\python学习\DataAnalyst.csv',encoding='gb2312')
print(df)

结果如下：

read_csv()函数虽然用起来非常简单，但其实里面包含了很多参数，详细参数可以看这篇
官方文档：https://pandas.pydata.org/pandas-docs/stable/user_guide/io.html#io-read-csv-table

二、数据概述

df.info()#数据里字段的格式
df.head()#取数据的前5行
df.tail()#取数据的最后5行

df.info()的结果：

这里可以看到数据集包含的字段，以及字段不为null的记录数，以及字段类型。可以知道，数据集一共有16个字段，6876条数据，其中有部分数据统计中出现null数据。
df.head()的结果：

df.tail()的结果：

这一部分主要是用来查看数据集，了解数据集的概况。

三、数据清洗和整理

1、查重&去重
使用unique()函数筛选不重复的positionId数，len()统计
drop_duplicates(subset=‘x’,keep=‘first’,inplace=False)
参数：
（1）subset：列名，默认为none
（2） keep：有三个值为：first： 保留第一次出现的重复行，删除后面的重复行；
last： 删除重复项，除了最后一次出现；
False： 删除所有重复项
（3） inplace：布尔值，默认为False，是否直接在原数据上删除重复项或删除重复项后返回副本。 （inplace=True表示直接在原来的DataFrame上删除重复项，而默认值False表示生成一个副本。）

#1、查重
len(df.positionId.unique())#
 #结果为5031条不重复的记录数
#2、去重
df_duplicates=df.drop_duplicates(subset='positionId',keep='first')#按照positionId去重，保留第一次出现的重复行

2、取最低工资和最高工资&转换数据类型
在执行下面代码时不会出错，但是会抛出警示：SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame，解决这个警示的方案为：
在代码前加上：df_duplicates=df_duplicates.copy()，也就是对数据框进行复制，后续新增列都是对复制的数据框进行操作。

df_duplicates=df_duplicates.copy()#解决SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame
#3、取最低工资&最高工资：
def cut_word(word,method):
    position=word.find('-') #find()函数：寻找某字符串是否在该字符串中出现，如果出现，返回第一次出现的索引，没有的话返回-1
    length=len(word)
    if position !=-1:
        bottomSalary=word[:position-1]
        topSalary=word[position+1:length-1]
    else:
        bottomSalary=word[:word.upper().find('K')]
        topSalary=bottomSalary
    if method=='bottom':
        return bottomSalary
    else:
        return topSalary
df_duplicates['bottomSalary']=df_duplicates.salary.apply(cut_word,method='bottom')
df_duplicates['topSalary']=df_duplicates.salary.apply(cut_word,method='top')
#数据类型转换：需要通过赋值才能转换成功
df_duplicates['bottomSalary']=df_duplicates['bottomSalary'].astype('int')
df_duplicates['topSalary']=df_duplicates['topSalary'].astype('int')

（1）函数定义def
apply()函数：apply函数中可以来使用自定义的函数(func)；对于func中传递的参数，如果axis =0 应用于每一列上， 如果axis=1应用于每一行上
（2）find()：寻找某字符串是否在该字符串中出现，如果出现，返回第一次出现的索引，没有的话返回-1
（3）数据类型转换：
astype基本也就是两种用作࿰