数据分析常用命令

本文用于记录数据分析使用的命令。
读取数据：
chipo = pd.read_csv(path1, sep = '\t')

预处理数据：
查看数据有多少列:info()
抽样查看：df.sample(frac=0.1,random_state=42)
以item name对quantity进行分类，看quantity的总量
c = chipo[['item_name','quantity']].groupby(['item_name'],as_index=False).agg({'quantity':sum})
查看不同类别总数/多少种商品：
chipo[‘item_name’].nunique()

查找数据：
loc:
data.loc[(data['所在楼层'] == '高楼层') & (data['电梯'].isnull()),'电梯'] = '有'
loc【条件，列】，条件中可以使用&来表示多个条件的并。实例中把高楼层中电梯一栏为空的填写为有。
value_count:
data['朝向'].value_counts()
用来查看朝向一列所有值的种类都是什么
选取除了倒数第三列之外的全部列：
euro12.iloc[: , :-3]
找到三个国家的射正率：
euro12.loc[euro12.Team.isin(['England', 'Italy', 'Russia']), ['Team','Shooting Accuracy']]

可视化：

处理数据：
整数类的四舍五入：round（）
合并数据：
把data2加入到data1下面，行合并
all_data = pd.concat([data1, data2])
列合并
pd.concat([data1, data2], axis = 1)
按照id合并：
pd.merge(all_data, data3, on='subject_id')
generator object不可见：
使用list（object）就可以见了。
更改review列第一条的数据为b：
data.review.iloc[0] = 'b'
map()是 python 内置的高阶函数，它接收一个函数 f 和一个 list，并通过把函数 f 依次作用在 list 的每个元素上，得到一个新的object并返回。