这是 利用Excel学习Python 系列的第8篇文章

想用一个完整的案例讲解Python数据分析的整个流程和基础知识&＃xff0c;实际上以一个数据集为例&＃xff0c;数据集是天池上的一个短租数据集。

先来想一下数据分析的流程&＃xff0c;第一步获取数据&＃xff0c;因此本节内容就是获取数据以及对数据的基本操作。

1.数据导入

1.1 导入.xlsx文件

要导入一个.xlsx后缀的Excel文件&＃xff0c;可以使用pd.read_excel(路径)方法

# 导入.xlsx文件df_review &＃61; pd.read_excel(r"D:个人dataeviews.xlsx")df_review

结果&＃xff1a;

df_review数据包含了两个字段&＃xff0c;listing_id和date

读入数据时必不可少的参数就是路径&＃xff0c;不同的操作系统下文件路径的写法也不同&＃xff0c;通常windows操作系统下关于路径有两种写法&＃xff1a;

• 反斜杠“ ”:右键点击这个文件&＃xff0c;选择属性&＃xff0c;可以看到它所在的位置&＃xff0c;默认是使用 来表示&＃xff0c;由于反斜杠“”在Python中被定义为转义符号&＃xff0c;因此在写的时候就要在路径的最前方加一个转义符 r&＃xff0c;r"D:个人dataeviews.xlsx"
• 斜杠“ / ”&＃xff1a;不需要加r&＃xff0c;全部用 / 来写&＃xff1a;"D:/个人/data/reviews.xlsx"两种方式看个人习惯吧。

sheet_name 参数

对于.xlsx文件来说&＃xff0c;可能会存在多个sheet表&＃xff0c;因此也可以设置sheet_name参数指定导入的sheet表&＃xff0c;可以传入sheet表的名字&＃xff0c;也可以按照从0递增的顺序来指定&＃xff0c;不指定sheet表则默认第一个sheet.

# 指定Sheet表df_review &＃61; pd.read_excel(r"D:个人dataeviews.xlsx",sheet_name &＃61; 0) # 指定名字或顺序df_review

1.2 导入.csv文件

导入.csv格式的文件使用pd.read_csv(路径)的方法

# 导入csv文件df_list &＃61; pd.read_csv(r"D:个人datalistings.csv")df_list

结果&＃xff1a;

df_list数据主要包括&＃xff1a;房东ID、房东姓名、经纬度、房间类型、价格、最小可租天数、评论数量、最后一次评论时间、每月评论占比、可出租房屋、每年可出租时长等字段

指定编码格式

对于.csv文件有个重要的知识点&＃xff0c;就是编码格式&＃xff0c;尤其是在导入文件的时候&＃xff0c;需要了解文件的编码格式&＃xff0c;以免出现乱码&＃xff0c;那么如何知道文件是什么类型的编码呢&＃xff1f;用notepad&＃43;&＃43;软件打开&＃xff0c;右下角会显示该文件的编码格式&＃xff0c;如刚刚导入的listings.csv文件&＃xff0c;是utf-8编码&＃xff0c;在书写编码时&＃xff0c;大小写通用&＃xff0c;且utf-8也可以写成utf8.

可以用encoding参数来设置编码格式&＃xff0c;Python默认的编码格式是utf-8。

中文乱码问题

对于文件路径中因为出现中文而导致的乱码问题&＃xff0c;可以加入参数engine来避免。

# 避免出现乱码df_list &＃61; pd.read_csv(r"D:个人datalistings.csv",engine &＃61; "python")df_list

结果&＃xff1a;

指定行索引

不指定行索引的话&＃xff0c;从0开始递增的一列作为行索引&＃xff0c;也可以指定id一列为行索引&＃xff0c;传入参数index_col

# 指定行索引df_list &＃61; pd.read_csv(r"D:个人datalistings.csv",index_col &＃61; "id")df_list.head()

结果&＃xff1a;可以看到&＃xff0c;id列成了行索引列。

指定列索引

默认第一行是列索引&＃xff0c;也可以指定&＃xff0c;使用header参数&＃xff0c;header &＃61; 0&＃xff0c;表示指定第一行为列索引。

# 指定列索引df_list &＃61; pd.read_csv(r"D:个人datalistings.csv",header &＃61; 0)df_list.head()

结果&＃xff1a;

指定导入列

有时候我们希望只导入指定的列即可&＃xff0c;那么就传入usecols参数

# 指定导入1、4列df_list &＃61; pd.read_csv(r"D:个人datalistings.csv",usecols &＃61; [0,3])df_list.head()

结果&＃xff1a;

2.对数据的基本操作

导入数据后&＃xff0c;需要对数据进行一个大概的了解&＃xff0c;比如数据集有几行几列&＃xff0c;每个字段的数据类型是什么&＃xff0c;有无空值等。

预览

不必完全跑出数据&＃xff0c;只需看下前几行&＃xff0c;用head方法&＃xff0c;得到的是前5行数据

# 预览数据df_list &＃61; pd.read_csv(r"D:个人datalistings.csv")df_list.head()

结果&＃xff1a;

head()里也可传入数字&＃xff0c;如预览前10行数据

# 预览数据df_list &＃61; pd.read_csv(r"D:个人datalistings.csv")df_list.head(10)

查看数据维度

数据集有几行几列&＃xff0c;用shape

# 查看数据集维度df_list.shape

结果&＃xff1a;可以看到df_list数据集有28452行&＃xff0c;16列

查看数据类型

使用dtypes可以查看数据集所有字段的数据类型

# 数据类型df_list.dtypes

结果&＃xff1a;

也可以单独查看某一个字段的数据类型

# 单独查看某个字段的数据类型df_list["host_id"].dtypes

结果&＃xff1a;

&＃64; 作者&＃xff1a;可乐

&＃64; 公众号/知乎专栏/头条/简书&＃xff1a;可乐的数据分析之路

&＃64; 加微信(data_cola)备注&＃xff1a;进群&＃xff0c;拉你进可乐的数据分析交流群&＃xff0c;数据分析知识总结&＃xff0c;不定期行业经验分享