python用于数据分析的案例,python数据分析案例教程

本篇文章给大家谈谈利用python进行数据分析案例，以及python能进行数据分析的案例，希望对各位有所帮助，不要忘了收藏本站喔。

Python+大数据-数据分析与处理(六)-综合案例

案例一：Appstore数据分析

• 学习目标

• 掌握描述性数据分析流程

• 能够使用pandas、seaborn进行数据分析和可视化

1.案例介绍

案例背景：

• 对 App 下载和评分数据分析，帮助 App 开发者获取和留存用户
• 通过对应用商店的数据分析为开发人员提供可操作的意见

分析需求：

• 免费和收费的 App 都集中在哪些类别
• 收费 App 的价格是如何分布的，不同类别的价格分布怎样
• App文件的大小和价格以及用户评分之间是否有关

分析流程：

1）数据概况分析

• 数据行/列数量
• 缺失值分布

2）单变量分析

• 数字型变量的描述指标（平均值，最小值，最大值，标准差等）
• 类别型变量（多少个分类，各自占比）

3）多变量分析

• 按类别交叉对比
• 变量之间的相关性分析

4）可视化分析

• 分布趋势（直方图）
• 不同组差异（柱状图）
• 相关性（散点图/热力图）

数据集说明：

本案例使用 applestore.csv 数据集，其数据字段如下：

字段	说明
id	App ID：每个 App 唯一标识
track_name	App 的名称
size_bytes	以 bytes 为单位的 App 大小
price	定价（美元）
rating_count_tot	App 所有版本的用户评分数量
rating_count_ver	App 当前版本的用户评分数量
prime_genre	App 的类别
user_rating	App 所有版本的用户评分
sup_devices.num	支持的 iOS 设备数量
ipadSc_urls.num	App 提供的截屏展示数量
lang.num	支持的语言数量

2. 数据清洗

# 加载数据
import pandas as pd
app = pd.read_csv('./data/applestore.csv',index_col=0)
app

# 查看数据集的字段信息
app.info()

# 查看数据集的各个字段统计值
app.describe()

# 查看是否有缺失值
app.shape

(7197, 10)

# 将sizebytes 大小变成mb ,新增size_mb列
app['size_mb'] = app['size_bytes']/(1024*1024)
app

# 查看size_mb 列的统计值
app.size_mb.describe()

# 根据价格新增是否免费paid列  判断免费为0 不免费为1
app['paid'