Python数据分析实战：获取数据

这是 利用Excel学习Python 系列的第8篇文章

想用一个完整的案例讲解Python数据分析的整个流程和基础知识，实际上以一个数据集为例，数据集是天池上的一个短租数据集，后台回复：短租数据集，便可得到。

先来想一下数据分析的流程，第一步获取数据，所以本节内容就是获取数据以及对数据的基本操做。

1.数据导入

1.1 导入.xlsx文件

要导入一个.xlsx后缀的Excel文件，可使用pd.read_excel(路径)方法

# 导入.xlsx文件
df_review = pd.read_excel(r"D:\我的\data\reviews.xlsx")
df_review

结果：

df_review数据包含了两个字段，listing_id和date

读入数据时必不可少的参数就是路径，不一样的操做系统下文件路径的写法也不一样，一般windows操做系统下关于路径有两种写法：

• 反斜杠“ \ ”:右键点击这个文件，选择属性，能够看到它所在的位置，默认是使用 \ 来表示，因为反斜杠“\”在Python中被定义为转义符号，所以在写的时候就要在路径的最前方加一个转义符 r，r"D:\我的\data\reviews.xlsx"
  

• 斜杠“ / ”：不须要加r，所有用 / 来写："D:/我的/data/reviews.xlsx"
  两种方式看我的习惯吧。

sheet_name 参数

对于.xlsx文件来讲，可能会存在多个sheet表，所以也能够设置sheet_name参数指定导入的sheet表，能够传入sheet表的名字，也能够按照从0递增的顺序来指定，不指定sheet表则默认第一个sheet.

# 指定Sheet表
df_review = pd.read_excel(r"D:\我的\data\reviews.xlsx",sheet_name = 0) # 指定名字或顺序
df_review

1.2 导入.csv文件

导入.csv格式的文件使用pd.read_csv(路径)的方法

# 导入csv文件
df_list = pd.read_csv(r"D:\我的\data\listings.csv")
df_list

结果：

df_list数据主要包括：房东ID、房东姓名、经纬度、房间类型、价格、最小可租天数、评论数量、最后一次评论时间、每个月评论占比、可出租房屋、每一年可出租时长等字段

指定编码格式

对于.csv文件有个重要的知识点，就是编码格式，尤为是在导入文件的时候，须要了解文件的编码格式，以避免出现乱码，那么如何知道文件是什么类型的编码呢？用notepad++软件打开，右下角会显示该文件的编码格式，如刚刚导入的listings.csv文件，是utf-8编码，在书写编码时，大小写通用，且utf-8也能够写成utf8.

能够用encoding参数来设置编码格式，Python默认的编码格式是utf-8。

中文乱码问题

对于文件路径中由于出现中文而致使的乱码问题，能够加入参数engine来避免。

# 避免出现乱码
df_list = pd.read_csv(r"D:\我的\data\listings.csv",engine = "python")
df_list

结果：

image.png

指定行索引

不指定行索引的话，从0开始递增的一列做为行索引，也能够指定id一列为行索引，传入参数index_col

# 指定行索引
df_list = pd.read_csv(r"D:\我的\data\listings.csv",index_col = "id")
df_list.head()

结果：能够看到，id列成了行索引列。

指定列索引

默认第一行是列索引，也能够指定，使用header参数，header = 0，表示指定第一行为列索引。

# 指定列索引
df_list = pd.read_csv(r"D:\我的\data\listings.csv",header = 0)
df_list.head()

结果：

指定导入列

有时候咱们但愿只导入指定的列便可，那么就传入usecols参数

# 指定导入一、4列
df_list = pd.read_csv(r"D:\我的\data\listings.csv",usecols = [0,3])
df_list.head()

结果：

2.对数据的基本操做

导入数据后，须要对数据进行一个大概的了解，好比数据集有几行几列，每一个字段的数据类型是什么，有无空值等。

预览

没必要彻底跑出数据，只需看下前几行，用head方法，获得的是前5行数据

# 预览数据
df_list = pd.read_csv(r"D:\我的\data\listings.csv")
df_list.head()

结果：

head()里也可传入数字，如预览前10行数据

# 预览数据
df_list = pd.read_csv(r"D:\我的\data\listings.csv")
df_list.head(10)

查看数据维度

数据集有几行几列，用shape

# 查看数据集维度
df_list.shape

结果：能够看到df_list数据集有28452行，16列

查看数据类型

使用dtypes能够查看数据集全部字段的数据类型

# 数据类型
df_list.dtypes

结果：

也能够单独查看某一个字段的数据类型

# 单独查看某个字段的数据类型
df_list["host_id"].dtypes

结果：

写在后面