Python入門學習之數據分析實戰獲取數據

想用一個完整的案例講解Python數據分析的整個流程和基礎知識，實際上以一個數據集為例，數據集是天池上的一個短租數據集，後臺回覆：短租數據集，即可獲得。

先來想一下數據分析的流程，第一步獲取數據，因此本節內容就是獲取數據以及對數據的基本操作。

數據導入

導入.xlsx文件

要導入一個.xlsx後綴的Excel文件，可以使用pd.read_excel(路徑)方法

# 導入.xlsx文件

df_review = pd.read_excel(r"D:\個人\data\reviews.xlsx")df_review

結果：

請點擊輸入

df_review數據包含了兩個欄位，listing_id和date

讀入數據時必不可少的參數就是路徑，不同的作業系統下文件路徑的寫法也不同，通常windows作業系統下關於路徑有兩種寫法：

反斜槓「 \ 」:右鍵點擊這個文件，選擇屬性，可以看到它所在的位置，默認是使用 \ 來表示，由於反斜槓「\」在Python中被定義為轉義符號，因此在寫的時候就要在路徑的最前方加一個轉義符 r，r"D:\個人\data\reviews.xlsx"

斜槓「 / 」：不需要加r，全部用 / 來寫："D:/個人/data/reviews.xlsx"

兩種方式看個人習慣吧。

（想了解更多的Python數據分析，爬蟲，web,人工智慧等資料請看文章末尾，免費獲取。）

sheet_name 參數

對於.xlsx文件來說，可能會存在多個sheet表，因此也可以設置sheet_name參數指定導入的sheet表，可以傳入sheet表的 名字，也可以按照從0遞增的 順序 來指定，不指定sheet表則默認第一個sheet.

# 指定Sheet表

df_review = pd.read_excel(r"D:\個人\data\reviews.xlsx",sheet_name = 0) # 指定名字或順序df_review

導入.csv文件

導入.csv格式的文件使用pd.read_csv(路徑)的方法

# 導入csv文件

df_list = pd.read_csv(r"D:\個人\data\listings.csv")df_list

df_list數據主要包括：房東ID、房東姓名、經緯度、房間類型、價格、最小可租天數、評論數量、最後一次評論時間、每月評論佔比、可出租房屋、每年可出租時長等欄位

指定編碼格式

對於.csv文件有個重要的知識點，就是編碼格式，尤其是在導入文件的時候，需要了解文件的編碼格式，以免出現亂碼，那麼如何知道文件是什麼類型的編碼呢？用notepad++軟體打開，右下角會顯示該文件的編碼格式，如剛剛導入的listings.csv文件，是utf-8編碼，在書寫編碼時，大小寫通用，且utf-8也可以寫成utf8.

可以用encoding參數來設置編碼格式，Python默認的編碼格式是utf-8。

中文亂碼問題

對於文件路徑中因為出現中文而導致的亂碼問題，可以加入參數engine來避免。

# 避免出現亂碼

df_list = pd.read_csv(r"D:\個人\data\listings.csv",engine = "python")df_list

指定行索引

不指定行索引的話，從0開始遞增的一列作為行索引，也可以指定id一列為行索引，傳入參數index_col

# 指定行索引

df_list = pd.read_csv(r"D:\個人\data\listings.csv",index_col = "id")df_list.head()

結果：可以看到，id列成了行索引列。

指定列索引

默認第一行是列索引，也可以指定，使用header參數，header = 0，表示指定第一行為列索引。

# 指定列索引

df_list = pd.read_csv(r"D:\個人\data\listings.csv",header = 0)df_list.head()

對數據的基本操作

導入數據後，需要對數據進行一個大概的了解，比如數據集有幾行幾列，每個欄位的數據類型是什麼，有無空值等。

預覽

不必完全跑出數據，只需看下前幾行，用head方法，得到的是前5行數據

# 預覽數據

df_list = pd.read_csv(r"D:\個人\data\listings.csv")df_list.head()

head()裡也可傳入數字，如預覽前10行數據

df_list = pd.read_csv(r"D:\個人\data\listings.csv")df_list.head(10)

查看數據維度

數據集有幾行幾列，用shape

# 查看數據集維度df_list.shape

結果：可以看到df_list數據集有28452行，16列

查看數據類型

使用dtypes可以查看數據集所有欄位的數據類型

# 數據類型df_list.dtypes

也可以單獨查看某一個欄位的數據類型

# 單獨查看某個欄位的數據類型df_list["host_id"].dtypes

以上所述都是Python入門數據分析要學習的了。但是很多朋友可能還是不知道如何去學習Python數據分析學習Python數據分析學上述這些是否就夠了。完全不用擔心，小編整理了全套的Python零基礎學習資料。可以找我拿，什麼都不要，拿的方式是：看我的網名，也就是Python芸芸的全拼音，然後用這個名字，在（魏X）上找我就行，我還可以給大家一些比較基礎的python項目視頻！