十個 Python 小技巧，涵蓋了90%的資料分析需求！

資料分析師日常工作會涉及各種任務，例如資料預處理、資料分析、機器學習模型創建、模型部署。

在本文中，我將分享10個 Python 操作，它們可涵蓋90%的資料分析問題。有所收穫按讚、收藏、關注。

1、閱讀資料集

閱讀資料是資料分析的組成部分，了解如何從不同的檔案格式讀取資料是資料分析師的第一步。以下是如何使用 pandas 讀取包含 Covid-19 資料的 csv 檔案的範例。

import pandas as pd 
# reading the countries_data file along with the location within read_csv function.
countries_df = pd.read_csv('C:/Users/anmol/Desktop/Courses/Python for Data Science/Code/countries_data.csv') 
# showing the first 5 rows of the dataframe 
countries_df.head()

以下是countries_df.head() 的輸出，我們可以使用它來查看資料框的前5 行：

2、總計統計

下一步就是透過查看數據匯總來了解數據，例如NewConfirmed、TotalConfirmed 等數字列的計數、平均值、標準偏差、分位數以及國家代碼等分類列的頻率、最高出現值

<span style="color: rgb(89, 89, 89); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">countries_df</span>.<span style="color: rgb(0, 92, 197); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">describe</span>()

使用describe 函數，我們可以得到資料集連續變數的摘要，如下所示：

在describe() 函數中，我們可以設定參數"include = ' all'"來取得連續變數和分類變數的摘要

countries_df.describe(include = 'all')

#3、資料選擇和過濾

分析其實不需要資料集的所有行和列，只需要選擇感興趣的列並根據問題過濾一些行。

例如，我們可以使用以下程式碼選擇Country 和NewConfirmed 欄位：

countries_df[['Country','NewConfirmed']]

我們也可以將資料過濾Country，使用loc，我們可以根據一些值過濾列，如下所示：

countries_df.loc[countries_df['Country'] == 'United States of America']

4、聚合

計數、總和、平均值等資料聚合，是資料分析最常執行的任務之一。

我們可以使用聚合來找到各國的 NewConfimed 病例總數。使用 groupby 和 agg 函數執行聚合。

countries_df.groupby(['Country']).agg({'NewConfirmed':'sum'})

5、Join

使用 Join 運算將 2 個資料集組合成一個資料集。

例如：一個資料集可能包含不同國家的 Covid-19 病例數，另一個資料集可能包含不同國家的緯度和經度資訊。

現在我們需要結合這兩個訊息，那麼我們可以執行如下所示的連接操作

countries_lat_lon = pd.read_excel('C:/Users/anmol/Desktop/Courses/Python for Data Science/Code/countries_lat_lon.xlsx')

# joining the 2 dataframe : countries_df and countries_lat_lon
# syntax : pd.merge(left_df, right_df, on = 'on_column', how = 'type_of_join')
joined_df = pd.merge(countries_df, countries_lat_lon, on = 'CountryCode', how = 'inner')
joined_df

6、內建函數

了解數學內建函數，如min()、max()、mean()、sum() 等，對於執行不同的分析非常有幫助。

我們可以透過呼叫它們直接在資料幀上應用這些函數，這些函數可以在列上或在聚合函數中獨立使用，如下所示：

# finding sum of NewConfirmed cases of all the countries 
countries_df['NewConfirmed'].sum()
# Output : 6,631,899

# finding the sum of NewConfirmed cases across different countries 
countries_df.groupby(['Country']).agg({'NewConfirmed':'sum'})

# Output 
#NewConfirmed
#Country 
#Afghanistan75
#Albania 168
#Algeria 247
#Andorra0
#Angola53

7、使用者自訂函數

我們自己寫的函數是使用者自訂函數。我們可以在需要時透過呼叫該函數來執行這些函數中的程式碼。例如，我們可以建立一個函數來新增2 個數字，如下所示：

# User defined function is created using 'def' keyword, followed by function definition - 'addition()'
# and 2 arguments num1 and num2
def addition(num1, num2):
return num1+num2

# calling the function using function name and providing the arguments 
print(addition(1,2))
#output : 3

8、Pivo​​t

Pivot 是將一列行內的唯一值轉換為多個新列，這是很棒的數據處理技術。

在Covid-19 資料集上使用pivot_table() 函數，我們可以將國家名稱轉換為單獨的新列：

# using pivot_table to convert values within the Country column into individual columns and 
# filling the values corresponding to these columns with numeric variable - NewConfimed 
pivot_df = pd.pivot_table(countries_df,columns = 'Country', values = 'NewConfirmed')
pivot_df

9、遍歷資料框

#很多時候需要遍歷資料框的索引和行，我們可以使用iterrows 函數遍歷資料框：

# iterating over the index and row of a dataframe using iterrows() function 
for index, row in countries_df.iterrows():
print('Index is ' + str(index))
print('Country is '+ str(row['Country']))

# Output : 
# Index is 0
# Country is Afghanistan
# Index is 1
# Country is Albania
# .......

10、字串操作

很多時候我們處理資料集中的字串列，在這種情況下，了解一些基本的字串操作很重要。

例如如何將字串轉換為大寫、小寫以及如何找到字串的長度。

# country column to upper case
countries_df['Country_upper'] = countries_df['Country'].str.upper()

# country column to lower case
countries_df['CountryCode_lower']=countries_df['CountryCode'].str.lower()

# finding length of characters in the country column 
countries_df['len'] = countries_df['Country'].str.len()

countries_df.head()

以上是十個 Python 小技巧，涵蓋了90%的資料分析需求！的詳細內容。更多資訊請關注PHP中文網其他相關文章！