本文介绍了Python在数据清洗和业务分析中的应用，包括删除缺失值、转换数据类型、特征选择、描述性统计和数据可视化。通过数据处理，如处理缺失值、删除重复特征，以及对特定列的操作，来优化数据集。此外，文章还探讨了通过groupby进行分类分析，绘制饼图以了解各分类的占比，并利用TF-IDF算法进行关键词抽取。
Python 的数据处理
Python 的数据清洗
1.数据处理，查看数据是都有缺失值，缺失大于0.98 全部删除那列。
2. 特征值一模一样的进行删除。
3. 依据逻辑删除不可能会用的列，建模不会用到的。
4. 某列缺失值高于80%,不属于业务问题的也可直接删除，如果是特征先保留，观察。
- 再次查看数据清洗后的特征，用a. isna().mean()。
6.查看数据类型，日期的转化为日期，数量转化为整数，价格为小数，文本 = object 。
7.修改类型
df23.astype({’*贝ID’:‘object’}) 将原数据的id 类型用字典形式进行astype({ a,a.value}) 进行修改。
df23.reset_index(drop=True,inplace=True) 去掉之前的索引，重置索引，这里从0开始。
8. 将df 进行描述性统计的转置，方便观察。
9.查看前几行的数据。
Python 的数据业务分析
- 查看各种类品的重要指标销量，销售额，利润之和，通过 groupby 进行分类。
2.查看各类之间的分布。
3.byclass.plot.pie(autopct=’%.2f’) 表示通过品类分类表示去掉 % ，保留.2 位小数点， 表示占位 。
4.选择 df [df["类别]==“A”] 表示选择A类的进行分析。
5.将这一品类售价描述并画图。
6.价格之间的区间划分。
7.各宝贝之间得竞争力度。
- 销售额贡献度更青睐于*猫。
- 提取排名前5%得销售额。
10.分析找出市场销售额高，而相对竞争力度小得产品。
11.市场份额较高的是相对竞争力度较大的。
- 非中英文字符。
13.-基于 TF-IDF 算法的关键词抽取
扫一扫
492
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
