
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、 数据清洗和网络爬虫,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
若不方便扫码,搜微信号:CDAshujufenxi
尊敬的考生: 您好! 我们诚挚通知您,CDA Level I和 Level II考试大纲将于 2025年7月25日 实施重大更新。 此次更新旨在确保认 ...
2025-07-10BI 大数据分析师:连接数据与业务的价值转化者 在大数据与商业智能(Business Intelligence,简称 BI)深度融合的时代,BI ...
2025-07-10SQL 在预测分析中的应用:从数据查询到趋势预判 在数据驱动决策的时代,预测分析作为挖掘数据潜在价值的核心手段,正被广泛 ...
2025-07-10数据查询结束后:分析师的收尾工作与价值深化 在数据分析的全流程中,“query end”(查询结束)并非工作的终点,而是将数 ...
2025-07-10CDA 数据分析师考试:从报考到取证的全攻略 在数字经济蓬勃发展的今天,数据分析师已成为各行业争抢的核心人才,而 CDA(Certi ...
2025-07-09【CDA干货】单样本趋势性检验:捕捉数据背后的时间轨迹 在数据分析的版图中,单样本趋势性检验如同一位耐心的侦探,专注于从单 ...
2025-07-09year_month数据类型:时间维度的精准切片 在数据的世界里,时间是最不可或缺的维度之一,而year_month数据类型就像一把精准 ...
2025-07-09CDA 备考干货:Python 在数据分析中的核心应用与实战技巧 在 CDA 数据分析师认证考试中,Python 作为数据处理与分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 检验:数据趋势与突变分析的有力工具 在数据分析的广袤领域中,准确捕捉数据的趋势变化以及识别 ...
2025-07-08备战 CDA 数据分析师考试:需要多久?如何规划? CDA(Certified Data Analyst)数据分析师认证作为国内权威的数据分析能力认证 ...
2025-07-08LSTM 输出不确定的成因、影响与应对策略 长短期记忆网络(LSTM)作为循环神经网络(RNN)的一种变体,凭借独特的门控机制,在 ...
2025-07-07统计学方法在市场调研数据中的深度应用 市场调研是企业洞察市场动态、了解消费者需求的重要途径,而统计学方法则是市场调研数 ...
2025-07-07CDA数据分析师证书考试全攻略 在数字化浪潮席卷全球的当下,数据已成为企业决策、行业发展的核心驱动力,数据分析师也因此成为 ...
2025-07-07剖析 CDA 数据分析师考试题型:解锁高效备考与答题策略 CDA(Certified Data Analyst)数据分析师考试作为衡量数据专业能力的 ...
2025-07-04SQL Server 字符串截取转日期:解锁数据处理的关键技能 在数据处理与分析工作中,数据格式的规范性是保证后续分析准确性的基础 ...
2025-07-04CDA 数据分析师视角:从数据迷雾中探寻商业真相 在数字化浪潮席卷全球的今天,数据已成为企业决策的核心驱动力,CDA(Certifie ...
2025-07-04CDA 数据分析师:开启数据职业发展新征程 在数据成为核心生产要素的今天,数据分析师的职业价值愈发凸显。CDA(Certified D ...
2025-07-03从招聘要求看数据分析师的能力素养与职业发展 在数字化浪潮席卷全球的当下,数据已成为企业的核心资产,数据分析师岗位也随 ...
2025-07-03Power BI 中如何控制过滤器选择项目数并在超限时报错 引言 在使用 Power BI 进行数据可视化和分析的过程中,对过滤器的有 ...
2025-07-03把握 CDA 考试时间,开启数据分析职业之路 在数字化转型的时代浪潮下,数据已成为企业决策的核心驱动力。CDA(Certified Da ...
2025-07-02