Pandas可以說是Python在數(shù)據(jù)分析應(yīng)用最廣最基礎(chǔ)也是最重要的一個(gè)包，復(fù)盤一下日常比較常用的pandas用法。
數(shù)據(jù)導(dǎo)入
import pandas as pd
import numpy as np
df=pd.read_csv(invest_sample.csv)
類似的導(dǎo)入還有 pd.read_table 和 pd.read_txt 等，但是，pd.read_csv 最為常用。因?yàn)閏sv格式的文件比較干凈，一般都是用轉(zhuǎn)好格式的csv文件來處理數(shù)據(jù)。
數(shù)據(jù)觀察
df.head()
默認(rèn)是查看前5行，括號中也可以輸入想要查看的行數(shù)。如df.head(10)代表查看前10行。
這個(gè)時(shí)候一般檢查是否有顯示亂碼和查看表頭字段。
還有個(gè)df.tail()，可以查看數(shù)據(jù)的后5行。
df.info()
主要查看每個(gè)字段的行數(shù)與字段類型，是否有缺失值，
可以打印出數(shù)據(jù)框的大小，代表11757行，7列。
df.shape
df.describe()
主要查看的每個(gè)字段（數(shù)值類型的字段）的描述統(tǒng)計(jì)，包括記數(shù)，平均值，方差，最小值，最大值和百分位數(shù)。
使用以上的pandas用法基本對要分析的數(shù)據(jù)有了一個(gè)大概了解。
數(shù)據(jù)認(rèn)知
數(shù)據(jù)源是一份脫敏過的數(shù)據(jù)，字段包含 用戶id，購買日期，購買金額，購買人用戶屬性等，是一份典型的電商購買數(shù)據(jù)。繼續(xù)使用pandas包來進(jìn)行更深入的認(rèn)知和分析。
購買次數(shù)與金額最多的商品的，商品標(biāo)記是2和3的次數(shù)和金額都是最多的。
df.groupby('expect').count()['amount']
df.groupby('expect').sum()['amount']
數(shù)據(jù)集范圍內(nèi)的金額
df.sum()['amount']
客單價(jià)即單筆訂單的金額大小，可以反映用戶的消費(fèi)能力。
整體的客單價(jià)
df.mean()['amount']
不同省份的客單價(jià)，不同省份的的客單價(jià)相差比較大了。
這時(shí)候首先要確認(rèn)的是 這種誤差是不是由于部分省份購買人數(shù)的過少造成的波動(dòng)（人數(shù)過少，個(gè)別大客戶會(huì)大幅影響平均水平，使算數(shù)平均值這個(gè)指標(biāo)衡量失真）
剔除異常情況后，客單價(jià)較高且人數(shù)較多的地區(qū)需要繼續(xù)保持，客單價(jià)較高大是人數(shù)較少的地區(qū)需要拉進(jìn)新用戶，用戶人數(shù)很多但是客單價(jià)不高的地區(qū)需要激勵(lì)用戶購買潛力。
df.groupby('province').mean()['amount']
不同產(chǎn)品的客單價(jià)，用戶對不同產(chǎn)品的偏好程度
df.groupby('expect').mean()['amount']
不同性別的客單價(jià)，不同性別用戶的單次消費(fèi)能力，女性用戶略高與男性用戶。
df.groupby('gender').mean()['amount']
發(fā)現(xiàn)了不同性別客單價(jià)的差異，繼續(xù)看下不同性別對平臺(tái)的貢獻(xiàn)能力。
金額貢獻(xiàn)女性是男性的兩倍。。。（跪了），人數(shù)勉強(qiáng)是兩倍。
df.groupby('gender').sum()['amount']
df.groupby('gender').count()['amount']
為什么用pandas
以上用pandas進(jìn)行了基本的數(shù)據(jù)觀察和分析，由于數(shù)據(jù)取的比較規(guī)范，基本沒有臟數(shù)，省了清洗這一步。
很多人覺得python也沒比excel好到哪里去啊，以上實(shí)現(xiàn)的用excel也可以實(shí)現(xiàn)，操作也更加友好。
其實(shí)，不然。
以上只是 python在數(shù)據(jù)分析領(lǐng)域的小小冰山一角，python對數(shù)據(jù)的處理是異常靈活的。
只說一點(diǎn)，數(shù)據(jù)量十萬量級的時(shí)候（日常的數(shù)據(jù)接觸也是萬級別起了），excel處理起來就比較費(fèi)事了，稍微操作一下會(huì)卡半天。
后續(xù)的畫圖/靈活性處理/建模，才是python的拿手好戲。
我的tableau public：yangliang的tableau public主頁
