内容简介:大家好,我是大鹏,城市数据团联合发起人,致力于Python数据分析、数据可视化的应用与教学。和很多同学接触过程中,我发现自学Python数据分析的一个难点是资料繁多,过于复杂。
大家好,我是大鹏,城市数据团联合发起人,致力于 Python 数据分析、数据可视化的应用与教学。
和很多同学接触过程中,我发现自学Python数据分析的一个难点是资料繁多,过于复杂。 大部分网上的资料总是从Python语法教起,夹杂着大量Python开发的知识点,花了很多时间却始终云里雾里,不知道哪些知识才是真正有用的。本来以为上手就能写爬虫出图,却在看基础的过程中消耗了一周又一周, 以至于很多励志学习Python的小伙伴牺牲在了入门的前一步。
于是,我总结了以下一篇干货,来帮助大家理清思路,提高学习效率。总共分为三大部分:做Python数据分析必知的语法,如何实现爬虫,怎么做数据分析。
1. 必须知道的两组Python基础术语
A.变量和赋值
Python可以直接定义变量名字并进行赋值的,例如我们写出 a = 4 时,Python解释器干了两件事情:
-
在内存中创建了一个值为4的整型数据
-
在内存中创建了一个名为 a 的变量,并把它指向4
用一张示意图表示 Python变量和赋值的重点 :
例如下图代码,“=”的作用就是赋值,同时Python会自动识别数据类型:
a=4 #整型数据
b=2 #整型数据
c=“4” #字符串数据
d=“2” #字符串数据
print(“a+b结果为”,a+b)#两个整数相加,结果是6
print(“c+d结果为”,c+d)#两个文本合并,结果是文本“42”
#以下为运行结果
>>>a+b结果为 6
>>>c+d结果为 42
请阅读代码块里的代码和注释,你会发现Python是及其易读易懂的。
B.数据类型
在初级的数据分析过程中,有三种数据类型是很常见的:
-
列表list(Python内置)
-
字典dic(Python内置)
-
DataFrame(工具包pandas下的数据类型,需要import pandas才能调用)
它们分别是这么写的:
列表(list):
#列表
liebiao=[1,2.223,-3,'刘强东','章泽天','周杰伦','昆凌',['微博','B站','抖音']]
list是一种 有序 的集合,里面的元素可以是之前提到的任何一种数据格式和数据类型(整型、浮点、列表……),并可以随时指定顺序添加其中的元素,其形式是:
#ist是一个可变的有序表,所以,可以往list中追加元素到末尾:
liebiao.append('瘦')
print(liebiao)
#结果1
>>>[1, 2.223, -3, '刘强东', '章泽天', '周杰伦', '昆凌', ['微博', 'B站', '抖音'], '瘦']
#也可以把元素插入到指定的位置,比如索引号为5的位置,插入“胖”这个元素:
liebiao.insert(5, '胖')
print(liebiao)
#结果2
>>>[1, 2.223, -3, '刘强东', '章泽天', '胖', '周杰伦', '昆凌', ['微博', 'B站', '抖音'], '瘦']
字典(dict):
#字典
zidian={'刘强东':'46','章泽天':'36','周杰伦':'40','昆凌':'26'}
字典使用 键-值(key-value) 存储,无序 ,具有极快的查找速度。以上面的字典为例,想要快速知道周杰伦的年龄,就可以这么写:
zidian['周杰伦']
>>>'40'
dict内部存放的顺序和key放入的顺序是没有关系的,也就是说,"章泽天"并非是在"刘强东"的后面。
DataFrame:
DataFrame可以简单理解为 Excel里的表格格式 。导入pandas包后,字典和列表都可以转化为DataFrame,以上面的字典为例,转化为DataFrame是这样的:
import pandas as pddf=pd.DataFrame.from_dict(zidian,orient='index',columns=['age'])#注意DataFrame的D和F是大写
df=df.reset_index().rename(columns={'index':'name'})#给姓名加上字段名
和excel一样,DataFrame的任何一列或任何一行都可以单独选出进行分析。
以上三种数据类型是python数据分析中用的最多的类型,基础语法到此结束,接下来就可以着手写一些函数计算数据了。
2. 从Python爬虫学循环函数
掌握了以上基本语法概念,我们就足以开始学习一些有趣的函数。我们以爬虫中绕不开的遍历url为例,讲讲大家最难理解的 循环函数for 的用法 :
A.for函数
for函数是一个常见的循环函数,先从简单代码理解for函数的用途:
zidian={'刘强东':'46','章泽天':'36','周杰伦':'40','昆凌':'26'}
for key in zidian:
print(key)
>>>
刘强东
章泽天
周杰伦
昆凌
因为dict的存储不是按照list的方式顺序排列,所以,迭代出的结果顺序很可能不是每次都一样。默认情况下,dict迭代的是key。如果要迭代value,可以用 for value in d.values() ,如果要同时#迭代key和value,可以用 for k, v in d.items()
可以看到,字典里的人名被一一打印出来了。 for 函数的作用就是用于遍历数据 。掌握for函数,可以说是真正入门了Python函数。
B.爬虫和循环
for函数在书写Python爬虫中经常被应用,因为 爬虫经常需要遍历每一个网页 ,以获取信息,所以构建完整而正确的网页链接十分关键。以某票房数据网为例,他的网站信息长这样:
该网站的周票房json数据地址可以通过抓包 工具 找到,网址为http://www.cbooo.cn/BoxOffice/getWeekInfoData?sdate=20190114
仔细观察,该网站不同日期的票房数据网址(url)只有后面的日期在变化,访问不同的网址(url)就可以看到不同日期下的票房数据:
我们要做的是, 遍历每一个日期下的网址,用Python代码把数据爬下来 。 此时for函数就派上用场了,使用它我们可以快速生成多个符合条件的网址:
import pandas as pd
url_df = pd.DataFrame({'urls':['http://www.cbooo.cn/BoxOffice/getWeekInfoData?sdate=' for i in range(5)],'date' :pd.date_range(20190114,freq = 'W-MON',periods = 5)})
'''
将网址相同的部分生成5次,并利用pandas的时间序列功能生成5个星期一对应的日期。
其中用到了第一部分提供的多个数据类型:
range(5)属于列表,
'urls':[]属于字典,
pd.dataframe属于dataframe
'''
url_df['urls'] = url_df['urls'] + url_df['date'].astype('str')
滑动滑块可以看到完整代码和中间的注释。
为了方便理解,我给大家画了一个for函数的遍历过程示意图:
此处省略掉后续爬取过程,相关爬虫代码见文末。我们使用爬虫爬取了 5800+条数据,包含20个字段 ,时间囊括了从2008年1月开始至2019年2月十一年期间的 单周票房、累计票房、观影人次、场均人次、场均票价、场次环比变化等信息 。
3. Python怎么实现数据分析?
除了爬虫,分析数据也是Python的重要用途之一, Excel能做的事,Python究竟怎么实现呢;Excel不能做的事,Python又是否能实现呢? 利用电影票房数据,我们分别举一个例子说明:
A.Python分析
在做好数据采集和导入后,选择字段进行初步分析可以说是数据分析的必经之路。在Dataframe数据格式的帮助下,这个步骤变得很简单。
比如当我们想看单周票房第一的排名分别都是哪些电影时,可以使用pandas工具库中常用的方法,筛选出周票房为第一名的所有数据,并保留相同电影中周票房最高的数据进行分析整理:
import pandas as pd
data = pd.read_csv('中国票房数据爬取测试20071-20192.csv',engine='python')
data[data['平均上座人数']>20]['电影名']
#计算周票房第一随时间变化的结果,导入数据,并选择平均上座人数在20以上的电影为有效数据
dataTop1_week = data[data['排名']==1][['电影名','周票房']]
#取出周票房排名为第一名的所有数据,并保留“电影名”和“周票房”两列数据
dataTop1_week = dataTop1_week.groupby('电影名').max()['周票房'].reset_index()
#用“电影名”来分组数据,相同电影连续霸榜的选择最大的周票房保留,其他数据删除
dataTop1_week = dataTop1_week.sort_values(by='周票房',ascending=False)
#将数据按照“周票房”进行降序排序
dataTop1_week.index = dataTop1_week['电影名']
del dataTop1_week['电影名']
#整理index列,使之变为电影名,并删掉原来的电影名列
dataTop1_week
#查看数据
9行代码,我们完成了Excel里的透视表、拖动、 排序 等鼠标点击动作。最后再用Python中的可视化包matplotlib,快速出图:
B.函数化分析
以上是一个简单的统计分析过程。接下来就讲讲Excel基础功能不能做的事——自定义函数提效。观察数据可以发现,数据中记录了周票房和总票房的排名, 那么刚刚计算了周票房排名的代码,还能不能复用做一张总票房分析呢?
当然可以,只要使用 def函数和刚刚写好的代码 建立自定义函数,并说明函数规则即可:
def pypic(pf):
#定义一个pypic函数,变量是pf
dataTop1_sum = data[['电影名',pf]]
#取出源数据中,列名为“电影名”和pf两列数据
dataTop1_sum = dataTop1_sum.groupby('电影名').max()[pf].reset_index()
#用“电影名”来分组数据,相同电影连续霸榜的选择最大的pf票房保留,其他数据删除
dataTop1_sum = dataTop1_sum.sort_values(by=pf,ascending=False)
#将数据按照pf进行降序排序
dataTop1_sum.index = dataTop1_sum['电影名']
del dataTop1_sum['电影名']
#整理index列,使之变为电影名,并删掉原来的电影名列
dataTop1_sum[:20].iloc[::-1].plot.barh(figsize = (6,10),color = 'orange')
name=pf+'top20分析'
plt.title(name)
#根据函数变量名出图
定义函数后,批量出图so easy:
学会函数的构建,一个数据分析师才算真正能够告别Excel的鼠标点击模式,迈入高效分析的领域 。
4. 光看不练是永远不能入门的
如果只有一小时学习,以上就是大家一定要掌握的Python知识点。光看不练永远都会是门外汉,如果你有兴趣学习Python数据分析,却在过程中感到困惑,欢迎来参加我在网易云课堂的免费直播,每晚一个主题,有学有练,让你快速入门Python数据分析:
不间断直播陪你从入门到精通
扫码即可预约免费直播席位
5.13 周一 20:00(可回看)
《Python数据可视化利器:pyecharts!》
1. 为什么需要交互式图表来做数据表达?
2. pyecharts基础操作
3. 数据可视化技能图谱详解
5.14 周二 20:00
《1小时入门Python爬虫:当数据分析师就该自己爬数据!》
1. 快读读懂网页结构
2. 页面解析及标签提取
3. 实现第1个数据爬虫
5.15 周三 20:00
《用数据做攻略:找到一个城市最有趣的地方》
1.数据爬虫构建
2.字段筛选与数据清洗
3.筛选机制及评价方法
4.空间数据可视化表达结果
5.16 周四 20:00
《人口数据:揭秘一年来上海工作的人员流动情况》
1.全国人口迁徙数据采集
2.数据整理与核心城市筛选
3.数据表达:OD图制作方法与技巧
赠送免费课程
课程大纲
1. Python语言入门
2. 每月净收入模型构建
3. 每月支出模型构建
4. 不同情况下的花呗还款场景模拟
5. 负债积累问题
6. 如何用图表讲好一个故事?(彩蛋)
6G入门资料
本文所示票房数据爬取和分析代码以及中国票房数据源数据,已经放在百度网盘6g资料包内
福利领取方式
所有以上福利,扫码添加网易云课堂小助手即可获得
微信号:neteasepython1
席位有限,先到先得
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢:- Swift语法快速入门(一)之 Swift基础语法
- 在ES6中使用扩展语法有什么好处?它与rest语法有什么不同?
- Python 基础语法
- go语法
- JPQL 语言语法
- reStructuredText简明语法
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
物联网导论(第2版)
刘云浩 / 科学出版社 / 2013-8 / 45.00元
物联网是一个基于互联网、传统电信网等信息承载体,让所有能够被独立寻址的普通物理对象实现互联互通的网络。它具有普通对象设备化、自治终端互联化和普适服务智能化三个重要特征。 《物联网工程专业系列教材:物联网导论(第2版)》从物联网的感知识别层、网络构建层、管理服务层和综合应用层这四层分别进行阐述,深入浅出地为读者拨开萦绕于物联网这个概念的重重迷雾,引领求知者渐渐步入物联网世界,帮助探索者把握第三......一起来看看 《物联网导论(第2版)》 这本书的介绍吧!