登录
首页CDA发布如何巧妙地用python处理数据整理中分类汇总问题
如何巧妙地用python处理数据整理中分类汇总问题
2022-01-20
收藏

如何巧妙地用python处理数据整理中分类汇总问题

数据分析职场新人,精通一门语言至关重要。写个web服务,可以用python、 写个服务器脚本,可以用python数据清洗网络爬虫,可以用python、 做机器学习数据挖掘,可以用python等等,所以说人生苦短,我用Python。


下面的问题是数据整理中经典的分类汇总问题,各个软件,SAS、R语言甚至Excel都可以比较好地解决此问题,但Python解决此问题时,也可以做到“一剑封喉”,并体现出其独特的优势,我们先看问题:


题目:下列数据来自某市房地产公司的资料,试按房屋类型和每一房屋类型下卧室个数的多少计算其平均售价?

问题比较清楚,这是一个按照“房屋类型”和“卧室个数的多少”的双条件汇总问题,即考虑在A和B两个条件下的数据分类汇总问题。该问题在工作中是常见的问题,如果在Excel完成,要依靠数据的预处理和较为复杂的函数来进行。


我们先来试算一下,比如,先看第5行,在“RANCH”这个房屋类型下,“BEDROOMS”个数为3的数据记录总共有2条,即第“5”条和第“11”条,其房价分别是“$86,650”和“$89,100”,不难算出其平均价格为“$87,875”。


用Python的Pandas(专门进行数据处理的模块)计算,首先面临的问题是如何导入数据,并且把房屋价格里面的“$”和“,”去掉,这样才能进行计算。于是一个双条件分类汇总的问题变成了字符处理的问题。


当然不可能手动去读入数据,最简洁的方式是将数据选择鼠标右键复制下来,然后这样导入:


导入让把所有的数据赋给“a”,“a”的数据结构看一下是:
      


告诉我们是“字符串”。面对字符串,进一步显示“a”,发现其被“n”分割:


于是想办法去掉“n”。去掉“n”不是很难,一句“a.split("n")”就可以去掉。但是进一步我们发现,各个变量是以空格“ ”相连的,所以还要去掉这个空格以便进一步计算。这里利用Python常用的“逐行扫描”技巧来完成。通常前面要先定义一个空的list,比如b:


这一步完成之后,一定要看一下b的结果,如下图所示:


下一步就是要去掉价格price里面的“$”和“,”了,这一步完成的方法比较多,最朴素的想法是用什么都没有的“”去置换这2个元素:


这里又用到Python的“for”循环的“逐行扫描”的技巧。这一步将“b”变成:


到了这一步,离结果只有“一步之遥”了。为了保险起见,我们把所有的变量都“数值化”,使用下面的语句去遍历:


得到如下的结果:


仔细比较一下前图,发现字符串都变成了数字。

到了这时候,就是“临门一脚”了,我们把数据整理成为我们熟悉的“数据框”的形式,这一步让Pandas来上场,经过整理之后,数据变得“赏心悦目”:


请注意,这条语句中,指明第一行是变量名。

通常,面临这样的数据,要进行各种计算是非常方便的。比如,要完成一开始题目提出的问题,只需一句话即得结果:

     


这句“画龙点睛”之笔是用groupby这个函数把数据按照2个条件分组,然后计算其均值。“.”加函数的方式是Python里面常用的形式。

我们看一下Python计算结果里面的“RANCH”和“3”,是“87875”,与我们之前计算的完全吻合。这样我们就按要求用Python完成了该数据的整理汇总。

数据的整理汇总是进行数据分析和数据挖掘工作的前期准备,比较重要,往往占用很大一部分时间。数据清洗的能力有时候直接决定数据挖掘建模预测的成败。通过该简单的小例子,向大家展示了Python中的Pandas在这方面的优势和方法。当然,Python及Pandas神通广大,远远不止做这些简单的工作,希望大家掌握这个数据分析利器,在大数据时代更好更充分的发掘数据的价值。

PS:这只是课程中的一个小案例,强化的培训,应该让你学完后很自信,学以致用,快速上手解决工作中的问题,深圳现场班&长沙远程直播班2018年1月12日开课,想学习python朋友私聊张老师。


数据分析咨询请扫描二维码

客服在线
立即咨询