作者：奔跑的鳄鱼

阅读本文大概需要3分钟

用Python来玩转数据分析实在是太爽了，因为有强大的Pandas来处理数据非常方便，我个人对数据分析情有独钟，探索数据的秘密非常好玩！前段时间写过一篇小白学数据分析入门招式，但是进阶的部分上次没有来得及整理，今天分享给大家。

我们依然用比较有名的泰坦尼克数据集来做示例，通过对这个数据集的处理，来快速上手数据分析的常见招式和基本手法，让初学者可以快速上手数据分析！

要点：

• 数据的字符处理

• 数据的过滤

• 数据的分组

• 数据的透视表

1.数据集的字符处理

第一招：对列的处理

我们看一下这个数据集里面的列都是英文的，不是很爽，我们把列的名字变成中文，这样看的舒服。

df.rename(columns={'Survived':'是否获救',

'Name':'姓名',

'Pclass':'船舱等级','Sex':'性别',

'Age':'年龄','SibSp':'兄弟姐妹数',

'Parch':'父母小孩数','Ticket':'船票',

'Fare':'船票费'})

这样处理完之后看一下是不是舒服很多：

第二招：对数据集里面的特定字符串进行替换

我们把性别里面的male替换为男，female替换为女

df['性别'].map({'female':'女','male':'男'})

第三招：对列的字符进行替换

我们看到船票比如A/5 21171 有两部分组成，一部分是英文字符，一部分是纯数字，如果我们只想保留数字部分，我们直接用str字符串进行处理

df['船票']=df['船票'].str.replace(r'[^\d+]','')

df.head(3)

pandas里面的字符串功能非常强大，除了replace之外，

还有contains,split,match,findall,endswith等等,这招在清洗数据的非常有用。

2.数据集的过滤

我们在分析数据的时候经常要对数据内容进行过滤，或者是部分提取。

第四招：用逻辑表达式组合过滤

提取性别是女孩并且年龄在10岁以下的

df[(df['性别']=='女')&(df['年龄']<=10)]

df.head(3)

第五招：巧用不等于

提取非3等舱，并且获救乘客信息

df[(df['是否获救']==1)&(df['船舱等级']!=3)]

第六招：也可以用query函数

df.query('船舱等级==[1,2]')

3.数据的分类

我们有的时候需要对数据进行多维度的细分和统计，有下面几招:

第七招：用where函数

第一种比较简单,用where

比如我们认为比如我们认为 年龄在18以下都是未成年，18岁以上成年的

df['是否成年']=np.where(df['年龄']>=18,'成年','未成年')

df.sample(3)

第八招：用万能的apply函数

apply可以处理比较复杂的逻辑，比如我们把年龄划分为几个阶段，小孩，青年，成人，老人。

看一下新增的列"年龄分类"是不是层次分类更精准！

4.数据的切片和透视表

第九招：神奇的groupby函数

我们喜欢对数据按照某种类别分组统计：

1).从性别的维度来对是否获救的人数进行统计

df.groupby('性别')['是否获救'].count()

性别

女    314

男    577

Name: 是否获救, dtype: int64

2).从船舱的等级来看是非获救

df.groupby('船舱等级')['是否获救'].count()

船舱等级

1    216

2    184

3    491

Name: 是否获救, dtype: int64

第十招：对数据进行轴切片分析

比如我们希望对是非获救和船舱等级这个两个轴进行深入切片分析，这样的伎俩在R语言里面也经常用到，这里pandas给我们提供了非常方便的agg函数

df.groupby(['是否获救','船舱等级'])['年龄'].agg(['size','max','min','mean'])

这样就很容易发现，获救里面的头等舱的人比较多，平均年龄相对未获救的要年轻不少.

第十一招：数据透视表

透视表在很多数据分析里面都有，比如常见的excel里面，pandas也提供了类似的功能.

根据一个或者多个键对数据进行聚合,我们用透视表也能做出类似上面的功能,比groupby还要强大.

df.pivot_table(columns=['性别'],

index=['是否获救','船舱等级'],

values='年龄',

aggfunc={'年龄':[np.mean,min,max]})

看完上面的11招，基本上可以算是入门数据分析了。