python进行数据分析 简书_《利用python进行数据分析》读书笔记1
读取json内容:
import json
path='路径\文件名.txt'
records=[json.loads(line) for line in open(path)]
#records为由字典组成的列表。每个字典为一个实例
建立只有‘tz’时区字段的列表。因为不是每个字典实例都有tz字段,所以要加上if 'tz' in rec。否则会报错。
time_zone=[rec['tz'] for rec in records if 'tz' in rec]
统计每种时区的出现次数:
方法一:
先统计次数,生成{时区1:次数,时区2:次数....}形式的字典。
再对字典进行排序。
统计次数方法(1):
from collections import defaultdict #次数统计函数
def get_counts(sequences)
counts=defaultdict(int) #初始化次数统计字典,将其初始值设为0
for x in sequences:
counts[x]+=1
return counts
统计次数方法(2):
from collections import defaultdict
def get_count2(sequence):
counts=defaultdict(int)
for x in sequence:
counts[x]+=1
return counts
排序
def top_count(counts,n=10) #字典排序函数,两个参数里一个是计数字典,一个是排序取前几。默认为前10。
value_key_pairs=[(count,tz) for tz, count in counts.items()]
value_key_pairs.sort()
return value_key_pairs[-10:]
counts=get_counts(time_zone)
top10=top_count(counts)
其中counts.items()是将字典中的键值对以元组的形式放进列表里。
例:counts:
{u'America/Montreal': 9, u'America/Anchorage': 5, u'Asia/Seoul': 5}
counts.items():
[(u'America/Montreal', 9), (u'America/Anchorage', 5), (u'Asia/Seoul', 5)]
而这句:value_key_pairs=[(count,tz) for tz, count in counts.items()]则是对返回的键,值对元组的位置做了调换。
例:[(9, u'America/Montreal'), (5, u'America/Anchorage'), (5, u'Asia/Seoul')]
value_key_pairs.sort()中 list.sort()方法只能用于列表,是对原列表进行排序。默认升序。需要降序则value_key_pairs.sort(reverse=False)
方法二:使用Counter类
from collections import Counter
counts=Counter(time_zone)
top10=counts.most_common(10)
Counter类的目的是用来跟踪值出现的次数。它是一个无序的容器类型,以字典的键值对形式存储,其中元素作为key,其计数作为value。计数值可以是任意的Interger(包括0和负数)。Counter类和其他语言的bags或multisets很相似。
详细参考:http://www.jb51.net/article/85542.htm
方法三:用pandas计数
import pandas as pd
import numpy as np
frame=pd.DataFrame(records)
tz_counts=frame['tz'].value_counts() #计数并且排序,默认降序。tz_counts如下:
image.png
注意里面有空值
clear_tz=frame['tz'].fillna('Missing') #替换掉frame里缺失tz字段的NA
clear_tz[clear_tz=='']='Unknown #通过布尔型数组索引替换空字符串
tz_counts=clear_tz.value_counts()
此时的tz_counts如下。注意空字符串变成了unknow。以及增加了missing计数。
image.png
使用前十的数据,利用plot方法生成一张水平条形图。
tz_counts[:10].plot(kind='barh',rot=0)
image.png
总结:
1.往字典里存数据需要先初始化字典。可使用defaultdict函数:
from collections import defaultdict
counts=defaultdict(int) #初始化次数统计字典,将其初始值设为0
2.清洗数据,有的数据没有某个字段,一是要替换掉这些缺失值,可用fillna方法替换。二是要注意有没有空字符串,这种数据可通过布尔型数组索引来替换掉。
3.对某个字段的值的出现次数进行统计,可使用三种方法
(1)新建一个字典,用以统计每个值的出现次数。再将该字典转换为列表,对列表进行排序。
(2)使用counter类进行次数统计并排序。
(3)先将json转换为DataFrame对象,再对其tz字段使用pandas的value_counts()方法进行次数统计并排序。
python进行数据分析 简书_《利用python进行数据分析》读书笔记1相关推荐
- 小甲鱼python课后题简书_【Python爬虫】-笨办法学 Python 习题01-10
一.作业内容: 01.将下面的内容写到一个文件中,取名为ex1.py.这个命名方式很重要,Python文件最好以.py结尾. 1 print "Hello World!" 2 pr ...
- python中format函数用法简书_从Python安装到语法基础,这才是初学者都能懂的爬虫教程...
Python和PyCharm的安装:学会Python和PyCharm的安装方法 变量和字符串:学会使用变量和字符串的基本用法 函数与控制语句:学会Python循环.判断语句.循环语句和函数的使用 Py ...
- python处理水站的数据_利用Python进行数据分析(一):数据清洗与准备
b站的小伙伴们大家吼~~ 在b站摸了快四年鱼的菜鸡也想开始做知识分享了,虽然说是分享其实根本目的也是为了督促自己好好学习把QAQ. 从今天开始,我将会在专栏分享我在学习<利用Python进行数据 ...
- python工厂模式 简书_工厂
思考题 public void printMenu() { PancakeHouseMenu pancakeHouseMenu = new PancakeHouseMenu(); ArrayList ...
- python输入数组并计算_利用Python进行数据分析——Numpy基础:数组和矢量计算
利用Python进行数据分析--Numpy基础:数组和矢量计算 ndarry,一个具有矢量运算和复杂广播能力快速节省空间的多维数组 对整组数据进行快速运算的标准数学函数,无需for-loop 用于读写 ...
- 利用python从网页查找数据_利用Python模拟淘宝的搜索过程并对数据进行可视化分析...
数据挖掘入门与实战 公众号: datadw 本文讲述如何利用Python模拟淘宝的搜索过程并对搜索结果进行初步的数据可视化分析. 搜索过程的模拟:淘宝的搜索页面有两种形式, 一种形式是, 2019/2 ...
- python 打卡记录代码_利用Python实现对考勤打卡数据处理的总结
利用Python实现对考勤打卡数据处理的总结 一.背景交代 二.说明 三. 8种方法 1. 查看文件是否存在 2. 导入excel文件,并把数据保存为dataframe格式 3. 计算程序运行时间 4 ...
- python自动生成word报告_利用Python实现报告自动生成
前几天,在网上看到一篇介绍利用Python组件实现MS word内容生成的文章.可能是很久没接触编码,感觉在技术领域变得有点孤陋寡闻了,看见一些实用的功能都觉的屌屌的.以前经常通过代码写Excel文件 ...
- python画圣诞老人简笔画_利用Python绘制有趣的万圣节南瓜怪效果
关于万圣节 万圣节又叫诸圣节,在每年的11月1日,是西方的传统节日;而万圣节前夜的10月31日是这个节日最热闹的时刻.在中文里,常常把万圣节前夜(Halloween)讹译为万圣节(All Saints ...
- python制作的网站例子_利用Python绘制Jazz网络图的例子
最近在进行社交网络的学习,想利用Python来进行分析,但是网上关于这方面的资料好像很少,所以自己进行了一点研究,算是有一点点进步,现在将自己的成果发出来,希望这方面感兴趣的同学也可以快速入门.话不多 ...
最新文章
- 网页学名为html文件,什么是HTML
- C++ 继承过程中使用访问说明符和虚函数
- 20220312 矩阵许瓦茨不等式
- 三相滤波器怎么接线_单相电机和三相电机怎么接线?为什么三相电机有3或6个接线柱?...
- Java可能使用UTF-8作为其默认字符集
- leetcode 1207. 独一无二的出现次数(map+set)
- 如何估算代码量_千万级用户的大型网站,应该如何设计其高并发架构?(彩蛋)...
- CI框架源码学习笔记7——Utf8.php
- tarfile读文件python_Python中使用tarfile压缩、解压tar归档文件示例
- libxml主要函数说明 (一)
- Java Web第三弹---Tomcat
- 手机通话断了怎么显示链接服务器,手机每次通话三分钟就自动挂断了,怎么回事啊...
- idea解決tomcat乱码问题
- VMware虚拟机XP系统安装教程
- HTML测试报告模板
- 解决笔记本屏幕颜色偏变白问题
- 自定义dns服务器faq,常见手机品牌的DNS修改方法
- win10计算机无法复制文件,Win10系统禁止U盘拷贝文件的方法【图文】
- GLES2.0中文API-glShaderBinary
- 【盘点】2022上半年十大网络安全事件
热门文章
- Oracle or Question Solve(二)
- 【转】pthread_cond_signal 虚假唤醒问题
- IOS中扩展机制Category和associative
- 71. Merge k Sorted Lists
- 读书笔记——Accelerated C++ Chapter 12 使类对象获得数值功能
- Oracle Assets Additions API--Sample Script(Invoices)
- PHP收费事件导致用户流失,PHP秒杀系统方案(解决大流量,高并发)
- AMP、HMP、SMP
- system类的 静态方法可以启动垃圾回收器。_跟小伟一起学习类加载机制
- 迁移实战:一次AntDB(基于pgxl分布式架构的数据库)数据库迁移经验分享