Python數據分析學習筆記，今天分享下利用Python對業務進行數據預處理，並利用線性回歸進行數據預測。
壹 數據導入
Python下載及環境配置這裡就不贅述了哈，網上教程非常多，我們直接一開始就進入乾貨，打它一個開門見山。
①導入Python常用數據分析庫：常用的numpy、pandas、matplotlib先導入。
②將待處理的數據讀取：read_excel進行Excel文件讀取，用sheet_name指定導入的sheet。
③數據初視：用head函數將讀取的數據表格展示前幾行用於初步觀察，可以看到初步的數據形式、欄位。
貳數據預處理
初步觀察發現有一些列的數據是空的，它們對於數據分析沒有意義，考慮去掉。並且後續進行一定的數據預處理。
①去掉無效列：運用drop函數去掉無效的數據列，並再次調用head函數觀察數據。
②看上圖效果，數據已經規整一些了，接下來需要看看整體的數據表還有多大：調用shape並用print函數列印出來，可以看到數據表格是227行、12列的大小。
③接下來需要進行數據缺失值處理：調用info函數，查看各列的數據，可以看到各列的數據還是有不一致的情況，需要做進一步的處理。
④先以我們後續需要用來做線性回歸的列「內容閱讀量」為標準，將不含該值的數據行去除：調用dropna函數，並執行info函數看數據情況。
⑤上述處理後，數據已經規整了一些，但某些行的數值仍然是缺失的，此時不能再整行或整列的進行刪除了，須對個別缺失值執行填充：發現「月留」和「當月高活人數」這兩列仍有缺失值，採取均值填充的方法處理，主要用到fillna函數。
至此，數據預處理流程完成。數據預處理非常關鍵，非常影響後續的數據分析流程。
叄線性回歸
數據預處理流程完成後，後續將進行線性回歸，進行業務相關數據的擬合和預測。
①導入線性回歸分析庫：建立線性回歸的自變量x和因變量y，這裡我們以「內容閱讀量」這一列數據作為x，以「業務DAU（人）」這一列作為y。
②建立線性回歸方程，並計算出回歸係數：調用linear_model庫，計算回歸係數為0.1683。
③繪製擬合圖：調用matplotlib庫裡的scatter方法繪製y和x的散點圖，並將線性回歸擬合的直線也同步繪製上去。
④數據預測：調用linear_model庫裡的predict方法，可以預測出因變量後續的值。便於大家後續對結果進行預估。
至此，利用Python進行線性回歸的實例完成。歡迎關注微信公眾號Glen。