本文總結了猴子Live課程：怎樣用Python進行數據分析，主講內容包括Numpy和Pandas。

一、一維數據分析

一維數據分析，可以使用Numpy中Array，也可以使用Pandas中的Series，Series的功能會更多些。

Numpy一維數組的使用：

Numpy一維數組與Python列表的區別？--Numpy具有統計功能、向量化計算，Numpy數組中的數據類型必須是一致的，Python列表可以存儲不同的數據類型。

Pandas一維數組的使用：

Pandas的Series可以創建索引，可以使用describe獲取描述性統計信息

Pandas的Series獲取數據有兩種方式，iloc根據元素位置獲取值，loc根據索引獲取值

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

二、二維數據分析

Numpy中通過Array創建二維數組，Pandas中通過DataFrame創建二維數組，數據框DataFrame更加廣泛。

Numpy二維數組：如何定義二維數組、3種獲取元素的情況

Numpy數軸參數，指定按照某一行或者某一列進行計算

DataFrame二維數組：

DataFrame相對于Numpy二維數組的優勢：

• DataFrame每一列可以是不同的數據類型
• DataFrame每一行每一列都有一個索引值，很容易存儲常見的表格數據

DataFrame 的創建和使用，學會使用iloc按照位置查詢數據，loc按照索引查詢數據，通過列表查詢某幾列數據，通過切片查詢數據，以及通過條件判斷篩選數據。

DataFrame：數據集描述性統計信息

三、通過案例學習數據分析步驟

數據分析步驟：提出問題、理解數據、數據清洗、構建模型、數據可視化

提出問題：一切的數據分析都是為了解決我們工作或生活中的問題，明確的問題為我們后面的數據分析提供了一個大的目標。

理解數據：根據我們的問題采集數據，將數據導入到數據框中，查看數據集的信息，從整體上了解數據。

數據清洗：對數據進行清洗，很多數據并不符合我們的標準。

構建模型：簡單的分析是得到某些業務的指標，復雜的分析需要用到機器學習的算法。

數據可視化：與他人交流自己的數據結果，最好的方式就是使用圖表。

案例過程：

1. 提出問題：某醫院銷售數據，需要獲取月均消費次數、月均消費金額、客單價、消費趨勢

理解每個業務指標的含義，實際項目中，前期我們需要和業務人員一起討論明確他們的需求，各個指標的計算公式

2. 理解數據

#1.讀取Excel數據（統一按str讀入，之后轉換） fileNameStr='./醫院銷售數據.xlsx' xls=pd.ExcelFile(fileNameStr, dtype='object') salesDf=xls.parse('Sheet1',dtype='object') #2.打印前幾行 salesDf.head() #3.查看有多少行多少列 salesDf.shape() #4.查看列的數據類型 salesDf.dtypes

3. 數據清洗

數據清洗步驟：

• 選擇子集
• 列名重命名
• 缺失數據處理
• 數據類型轉換
• 數據排序
• 異常值處理

#1.選擇子集 subSalesDf=salesDf.loc[0:4,'購藥時間':'銷售數據'] #2.列名重命名 colNameDict=['購藥時間':'銷售時間'] subSalesDf.rename(columns=colNameDict,inplace=True） #3.缺失數據處理,刪除指定列中為空的行， #how='any'在給定的任何一列中有缺失值就刪除 subSalesDf.dropna(subset=['銷售時間','社保卡號'],how='any'] #4.數據類型轉換，字符串轉化為數值 subSalesDf['銷售數量']=subSalesDf['銷售數量'].astype('float') subSalesDf['應收金額']=subSalesDf['應收金額'].astype('float') subSalesDf['實收金額']=subSalesDf['實收金額'].astype('float') #處理日期，字符串分割split，定義一個分割日期的函數 ''' 定義函數：分割銷售時間，獲取銷售日期 輸入：timeSereis銷售時間這一列，是個Series數據類型 輸出：分割后的時間，返回也是個Sereis數據類型 ''' def splitSaletime（timeSeries): timeList=[]for value in timeSeries:#分割字符串，獲取銷售日期dateStr=value.split('')[0]timeList.append(dateStr)#將列表轉行為一維數據Series類型timeSeries=pd.Sereis(timeList)return timeSeries #獲取銷售時間這一列，對字符串進行分割獲取銷售日期 timeSeries=subSalesDf.loc[:,'銷售時間'] dateSeries=splitSaletime（timeSeries） #修改銷售時間這一列的值 subSalesDf.loc[:,'銷售時間']=dateSeries #字符串轉日期 subSalesDf.loc[:,'銷售時間']=pd.to_datetime(subSalesDf.loc[:,'銷售時間'],format='%Y-%m-%d',errors='coerce') #轉化日期過程中不符合日期格式的數值會被轉化為控制None，刪除為空的行 subSalesDf.dropna(subset=['銷售時間'],how='any'] #5.數據排序，按銷售日期進行升序排序 subSalesDf=subSalesDf.sortvalues(by='銷售時間',ascending=True） #重命名行名（index） subSalesDf=subSalesDf.reset_index(drop=True) #6.異常值處理 #每一列的描述性統計信息 subSalesDf.describe() #刪除異常值：通過條件判斷篩選出數據 #查詢條件 querySeries=subSalesDf.loc[:,'銷售數據']>0 #應用查詢條件 subSalesDf=subSalesDf.loc[querySeries,:]

4. 構建模型

總結

以上是生活随笔為你收集整理的python dataframe删除某一列_怎样用Python进行数据分析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。