Python数据分析与处理运用分享

lsekfe

目前数据分析已经深入到各个行业中，尤其以Python为工具的数据分析和数据挖掘越来受到各个企业的青睐,随着大数据越来越广泛使用，数据分析和数据处理相关技能已经成为必不可少的职场技能之一了。熟悉运用Python进行数据分析和处理，可以大大提高今后在工作中的效率。更多内容可以 点击查看>>>
那么，下面我们就以在职场中常见的问题为例，基于Python进行数据分析与处理,
1. 字符串的拆分

对购药时间进行拆分，拆分出日期和星期只需要短短两行代码

也可以使用pandas中的字符串方法:



大家可以看到python非常轻松的完成了这样的工作
这个时候有同学就会说, excel不也能干这样的事情吗，那么下面我们再来看一个例子, 把价格转换为数字

仅需要两行代码就将Price和Mileage转换为数字了:

这个时候还是会有同学就会说, excel同样也可以干这样的事情，那么下面我们再来看一个例子, 把计算一下每个表格里面总共有多少个承销商

我们看看Python如何一行代码实现,

有些同学还是不服气， 说这没有什么呢,好了下面我们再继续看一个例子,体验一下Python的强大之处。这个是今年新型冠状病毒的一个数据,需要将数据合并在一起，

有几十个csv文件，现在想把他们合并在一起,看看用python如何实现


仅仅用了0.1s就合并了所有数据
最后我们再看一个和数据分析相关的例子，在数据分析时，很多时候需要计算相关指标，以电商数据为主，计算每个用户的平均登录时间间隔

Idx为用户编号, LogInfo3为用户登录时间,现在计算每个用户的登录时间间隔
首先按照用户编号和登录时间进行排序

lsekfe

然后进行计算，计算每个用户的每次登陆时间距离上次间隔


对于每个用户，最早登陆时间距离上次是缺失的。可以用0来填补

最后我们再看一个征信相关数据，计算每个客户的未结清贷款笔数,一个用户对应一个report_id(报告编号),一个客户可能会有多笔贷款。

计算逻辑为贷款状态为 ["正常","逾期","呆账"]的贷款笔数，按照每个report_id分类汇总。就可以汇总出每个客户的未结清贷款笔数

通过以上案例同学们可以看到Python数据处理和分析的强大功能，当我们拿到数据时，原始数据往往比较乱，这个时候就需要用到Python对其进行处理，
而numpy库、pandas库提供了强大的数据处理和清洗的相关手段，能帮助我们运用简单的代码实现复杂的功能。
选择Python数据分析和处理的理由