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python

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。windows

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。ide

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)方法学习

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

结果:
编码

图片
df_review数据包含了两个字段,listing_id和datespa


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:操作系统

  • 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"
    3d

  • 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。excel

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.code

# 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:image.png

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。image.png


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

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。

图片

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:

图片

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:

图片

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:image.png

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

图片

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:

图片
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:

图片写在后面

相关文章
相关标签/搜索