一期一會，Python系列今日繼續。
資料分析師日常工作會涉及各種任務，比如資料預處理、資料分析、機器學習模型建立、模型部署。
在本文中，我將分享10個 Python 操作，它們可覆蓋90%的資料分析問題。
1、 閱讀資料集
閱讀資料是資料分析的組成部分，瞭解如何從不同的檔案格式讀取資料是資料分析師的第一步。下面是如何使用 pandas 讀取包含 Covid-19 資料的 csv 檔案的示例。
import pandas as pd
# reading the countries_data file along with the location within read_csv function.
countries_df = pd.read_csv(‘C:/Users/anmol/Desktop/Courses/Python for Data Science/Code/countries_data.csv’)
# showing the first 5 rows of the dataframe
countries_df.head()以下是 countries_df.head() 的輸出，我們可以使用它檢視資料框的前 5 行：
2、彙總統計
下一步就是透過檢視資料彙總來了解資料，例如 NewConfirmed、TotalConfirmed 等數字列的計數、均值、標準偏差、分位數以及國家程式碼等分類列的頻率、最高出現值
countries_df.describe()使用 describe 函式，我們可以得到資料集連續變數的摘要，如下所示：
在 describe() 函式中，我們可以設定引數”include = ‘all’”來獲取連續變數和分類變數的摘要
countries_df.describe(include = 'all')
3、資料選擇和過濾
分析其實不需要資料集的所有行和列，只需要選擇感興趣的列並根據問題過濾一些行。
例如，我們可以使用以下程式碼選擇 Country 和 NewConfirmed 列：
countries_df[[‘Country’,’NewConfirmed’]]我們還可以將資料過濾Country，使用 loc，我們可以根據一些值過濾列，如下所示：
countries_df.loc[countries_df['Country'] == 'United States of America']
4、聚合
計數、總和、均值等資料聚合，是資料分析最常執行的任務之一。
我們可以使用聚合找到各國的 NewConfimed 病例總數。使用 groupby 和 agg 函式執行聚合。
countries_df.groupby([‘Country’]).agg({‘NewConfirmed’:’sum’})5、Join
使用 Join 操作將 2 個數據集組合成一個數據集。
例如：一個數據集可能包含不同國家/地區的 Covid-19 病例數，另一個數據集可能包含不同國家/地區的緯度和經度資訊。
現在我們需要結合這兩個資訊，那麼我們可以執行如下所示的連線操作
countries_lat_lon = pd.read_excel('C:/Users/anmol/Desktop/Courses/Python for Data Science/Code/countries_lat_lon.xlsx')
# joining the 2 dataframe : countries_df and countries_lat_lon
# syntax : pd.merge(left_df, right_df, on = 'on_column', how = 'type_of_join')
joined_df = pd.merge(countries_df, countries_lat_lon, on = 'CountryCode', how = 'inner')
joined_df6、內建函式
瞭解數學內建函式，如 min()、max()、mean()、sum() 等，對於執行不同的分析非常有幫助。
我們可以透過呼叫它們直接在資料幀上應用這些函式，這些函式可以在列上或在聚合函式中獨立使用，如下所示：
# finding sum of NewConfirmed cases of all the countries
countries_df['NewConfirmed'].sum()
# Output : 6,631,899
# finding the sum of NewConfirmed cases across different countries
countries_df.groupby(['Country']).agg({'NewConfirmed':'sum'})
# Output
# NewConfirmed
#Country
#Afghanistan 75
#Albania 168
#Algeria 247
#Andorra 0
#Angola 537、使用者自定義函式
我們自己編寫的函式是使用者自定義函式。我們可以在需要時透過呼叫該函式來執行這些函式中的程式碼。例如，我們可以建立一個函式來新增 2 個數字，如下所示：
# User defined function is created using ‘def’ keyword, followed by function definition — ‘addition()’
# and 2 arguments num1 and num2
def addition(num1, num2):
return num1+num2# calling the function using function name and providing the arguments
print(addition(1,2))
#output : 3
8、Pivot
Pivot 是將一列行內的唯一值轉換為多個新列，這是很棒的資料處理技術。
在 Covid-19 資料集上使用 pivot_table() 函式，我們可以將國家名稱轉換為單獨的新列：
# using pivot_table to convert values within the Country column into individual columns and
# filling the values corresponding to these columns with numeric variable — NewConfimed
pivot_df = pd.pivot_table(countries_df, columns = ‘Country’, values = ‘NewConfirmed’)
pivot_df9、遍歷資料框
很多時候需要遍歷資料框的索引和行，我們可以使用 iterrows 函式遍歷資料框：
# iterating over the index and row of a dataframe using iterrows() function
for index, row in countries_df.iterrows():
print('Index is ' + str(index))
print('Country is '+ str(row['Country']))
# Output :
# Index is 0
# Country is Afghanistan
# Index is 1
# Country is Albania
# .......10、字串操作
很多時候我們處理資料集中的字串列，在這種情況下，瞭解一些基本的字串操作很重要。
例如如何將字串轉換為大寫、小寫以及如何找到字串的長度。
# country column to upper case
countries_df['Country_upper'] = countries_df['Country'].str.upper()
# country column to lower case
countries_df['CountryCode_lower']=countries_df['CountryCode'].str.lower()
# finding length of characters in the country column
countries_df['len'] = countries_df['Country'].str.len()
countries_df.head()文章轉載於公眾號小數志
文章連結：https://mp.weixin.qq.com/s/6moRIclOIFWPLhQ9OoFyew
※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※
我是「數據分析那些事」。常年分享數據分析乾貨，不定期分享好用的職場技能工具。各位也可以關注我的Facebook，按讚我的臉書並私訊「10」，送你十週入門數據分析電子書唷！期待你與我互動起來~
