'''
【項(xiàng)目01】 ?商鋪數(shù)據(jù)加載及存儲(chǔ)

作業(yè)要求：
1、成功讀取“商鋪數(shù)據(jù).csv”文件
2、解析數(shù)據(jù)，存成列表字典格式：[{'var1':value1,'var2':value2,'var3':values,...},...,{}]
3、數(shù)據(jù)清洗：
① comment，price兩個(gè)字段清洗成數(shù)字
② 清除字段缺失的數(shù)據(jù)
③ commentlist拆分成三個(gè)字段，并且清洗成數(shù)字
4、結(jié)果存為.pkl文件

?

一 ?文件讀取

①文件讀取：open（）

②瀏覽前5 行：readlines()

③ 拆分：split()

f = open('C:/Users/Hjx/Desktop/商鋪數(shù)據(jù).csv','r',encoding='utf8') for i in f.readlines()[:5]:print(i.split(','))

二 ?函數(shù)式編程，?并做數(shù)據(jù)清洗

①構(gòu)建函數(shù)：def ? ?n(x): ? ? ? ? ? return()

②條件判斷語(yǔ)句：if: ? ?else:

②字符串處理，文字類(lèi)型轉(zhuǎn)化：int()，float()

# 創(chuàng)建comment、price、commentlist清洗函數(shù) # 函數(shù)式編程def fcm(s):if '條' in s:return int(s.split(' ')[0])else:return '缺失數(shù)據(jù)' # comment清洗函數(shù)：用空格分段，選取結(jié)果list的第一個(gè)為點(diǎn)評(píng)數(shù)，并且轉(zhuǎn)化為整型def fpr(s):if '￥' in s:return float(s.split('￥')[-1])else:return '缺失數(shù)據(jù)' # print清洗函數(shù)：用￥分段，選取結(jié)果list的最后一個(gè)為人均價(jià)格，并且轉(zhuǎn)化為浮點(diǎn)型def fcl(s):if ' ' in s:quality = float(s.split(' ')[0][2:])environment = float(s.split(' ')[1][2:])service = float(s.split(' ')[2][2:-1])return [quality,environment,service]else:return '缺失數(shù)據(jù)' # commentlist清洗函數(shù)：用空格分段，分別清洗出質(zhì)量、環(huán)境及服務(wù)數(shù)據(jù)，并轉(zhuǎn)化為浮點(diǎn)型

三 ?數(shù)據(jù)處理

①創(chuàng)建空列表：[ ]

②操縱文件游標(biāo)，歸零：seek()

③循環(huán)遍歷，處理數(shù)據(jù)：

④ 列表字典化：dict()

⑤裝載數(shù)據(jù)：append()

# 數(shù)據(jù)清洗datalst = [] # 創(chuàng)建空列表f.seek(0) n = 0 # 創(chuàng)建計(jì)數(shù)變量 for i in f.readlines()[1:20]:data = i.split(',')#print(data)classify = data[0] # 提取分類(lèi)name = data[1] # 提取店鋪名稱(chēng)comment_count = fcm(data[2]) # 提取評(píng)論數(shù)量star = data[3] # 提取星級(jí)price = fpr(data[4]) # 提取人均add = data[5] # 提取地址qua = fcl(data[6])[0] # 提取質(zhì)量評(píng)分env = fcl(data[6])[1] # 提取環(huán)境評(píng)分ser = fcl(data[6])[2] # 提取服務(wù)評(píng)分if '缺失數(shù)據(jù)' not in [comment_count, price, qua]: # 用于判斷是否有數(shù)據(jù)缺失n += 1data_re = [['classify',classify],['name',name],['comment_count',comment_count],['star',star],['price',price],['address',add],['quality',qua],['environment',env],['service',ser]]datalst.append(dict(data_re)) # 生成字典，并存入列表datalstprint('成功加載%i條數(shù)據(jù)' %n)else:continueprint(datalst) print('總共加載%i條數(shù)據(jù)' %n)

四 ?保存文件

永久化文件：pickle

# 數(shù)據(jù)存儲(chǔ).pkl數(shù)據(jù)import pickle pic = open('C:/Users/Hjx/Desktop/data.pkl','wb') pickle.dump(datalst,pic) pic.close() print('finished!') # 將數(shù)據(jù)存成了pkl文件

?

總結(jié)

以上是生活随笔為你收集整理的【项目实战】：Python 商铺地址分布数据分析的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。