这是Python数据分析实战基础的第三篇内容，主要对前两篇进行补充，把实际数据清洗场景下常用但零散的方法，按增、删、查、分四板斧的逻辑进行归类，以减少记忆成本，提升学习和使用效率。 上述三个级别数据在同一个excel中不同Sheet中。 首先，导入案例数据集。因为案例数据存放在…

当大家谈到数据分析时，提及最多的语言就是Python和SQL。Python之所以适合数据分析，是因为它有很多第三方强大的库来协助，pandas就是其中之一。pandas的文档中是这样描述的： 我们知道pandas的两个主要数据结构：dataframe和series，我们对数据的…

Python 是开源的，它很棒，但是也无法避免开源的一些固有问题：很多包都在做（或者在尝试做）同样的事情。如果你是 Python 新手，那么你很难知道某个特定任务的最佳包是哪个，你需要有经验的人告诉你。有一个用于数据科学的包绝对是必需的，它就是 pandas。 pandas 最…

为了方便维护，一般公司的数据在数据库内都是分表存储的，比如用一个表存储所有用户的基本信息，一个表存储用户的消费情况。所以，在日常的数据处理中，经常需要将两张表拼接起来使用，这样的操作对应到SQL中是join，在Pandas中则是用merge来实现。这篇文章就讲一下merge的主…

首先先来进行一个数据清洗的实战，使用比较经典的数据集，泰坦尼克号生存预测数据。 这里得到的各项指标，我们先保存不动，在后面处理缺失值时会有用到。 从图中我们可以看出，整体数据时向左偏的，即大多数数据是小于平均值的，故而我们可以采用中位数来填补空值，而不是平均数。 从上面的 de…