利用Python进行数据分析案例

最新推荐文章于 2025-07-15 22:26:23 发布

bang437527264

最新推荐文章于 2025-07-15 22:26:23 发布

阅读量1.1w

点赞数 3

CC 4.0 BY-SA版权

分类专栏： pandas数据分析文章标签： python

本文链接：https://blog.youkuaiyun.com/bang437527264/article/details/89086781

本文通过分析usa.gov的Bitly数据，展示如何使用Python进行数据处理。主要任务包括统计时区数量和比较Windows与非Windows用户的分布。发现美国用户居多，New_York时区占比35%，同时探讨了如何区分操作系统用户以及运用groupby、count_values和nlargest等方法进行数据分析。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

来自Bitly的usa.gov数据
1、数据说明：该数据是以json格式储存的，该数据集共有十八个维度，我在这里只做两个任务。
a. 对时区进行计数
b. 对windows以及非windows用户进行分组统计，并统计出在相同时区下Windows用户和非Windows用户的百分数占比。

#用pandas对其进行展示，并进行可视化。
import json
import pandas as pd
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
import seaborn as sns

#读取json数据集并用图表格式显示
path = './datasets/bitly_usagov/example.txt'
records = [json.loads(line) for line in open(path)]
frame = pd.DataFrame(records)

#对时区进行计数（用panda 的value_counts函数进行计数）
#首先对数据进行预处理，我们可以先给记录中的未知或缺失的时区值填上一个替代值。
clean_tz = frame['tz'].fillna('Missing')
clean_tz[clean_tz == ''] = 'Unknown'
count = clean_tz.value_counts() #该函数对tz的各个元素进行计数并按降序进行排列
#取出前十名并进行可视化
tz_counts = count[:10]
sns.barplot(y