告诉你。"/>
520情人节,不懂送女朋友什么牌子的口红?没关系!Python 数据分析告诉你。
520情人节,不懂送女朋友什么牌子的口红?没关系!Python 数据分析告诉你。
一、案例说明
1、案例背景
520情人节,不懂送女朋友什么牌子的口红?没关系!Python 数据分析告诉你。
我们爬取了京东商城口红近 4000 条口红商品信息,并对这些口红数据进行分析,让大家买口红给女朋友时有个选择的参考,从如下几个方面去分析:
1、哪些价格区间的口红卖的最好?
2、口红销量分布情况。
3、销量前10的口红有哪些?
4、销量前10的店铺。
5、商品价格和销量的关系。
2、任务说明
通过 Python 爬虫爬取了京东上所有口红铺的数据集 jd_data.csv。
我们希望通过该数据集,针对不同的口红品牌和店铺进行统计与分析,从而能够解开我们上述疑问。
3、数据字段的说明
字段含义图:
4、数据分析的流程
二、数据预处理
数据清洗
1、首先从csv文件中导入数据
import pandas as pd
import matplotlib.pyplot as plt #读取数据
dataframe = pd.read_csv('jd_data.csv',encoding = 'gb18030')#这里不能使用utf-8
print(dataframe.shape)
复制代码
查看下有多少行、列数据:
(3816, 6)
共有3816行,6列(上面有这六个字段说明)
2、缺失值处理
data = dataframe.dropna(how='any')
data.head()
print(data.shape)
复制代码
(3610, 6)
从这里可以看出还是有些缺失值的
对于缺失值的处理主要有两种方法:
删除
填充:分为均值、中位数、众数、附近值进行填充,还有牛顿差值法等等。
这里偷一下懒,使用比较简便的删除的方式处理缺失值,毕竟缺失的不是很多。
# inplace=True表示原地修改数据集
data.dropna(axis=0, inplace=True) # 对删除后缺失值后的数据集,再次进行缺失值统计
data.isnull().sum(axis&
更多推荐
520情人节,不懂送女朋友什么牌子的口红?没关系!Python 数据分析告诉你。
发布评论