随机数据集的构建与汇总处理丨数析学院

课程简介

本节将使用随机数生成函数自行构建婴儿名字数据框，并介绍基本的数据框处理方法。
数据来源 - 使用随机数生成函数自行创建婴儿的名字以及数量数据集。
数据准备 - 数据准备 - 从自行创建的数据集中读取所需数据，并进行缺失、异常数据的查看及处理。
分析目标 - 简单地找到在 1880 年最流行的名字。
数据可视化 - 通过表格数据和图表，清晰地展示分析结果。
首先导入 pandas 和 matplotlib 等相关库：

1

创建数据

假设数据集由 1000 个 1880 年出的生婴儿名字及人数构成，其中会存在大量重复项，也就是将会多次看到同一个婴儿名字出现。可以设想每个名字的多条项目，只是全国不同医院记录每个婴儿名字的数量，所以如果有两家医院记录婴儿的名字为"Bob",则这个数据集对于"BoB"会有两个值。下面就开始创建婴儿名字的随机数据集。

2

使用下面 5 个婴儿名字来制造 1000 个婴儿名字的随机列表：
生成0-4的随机数
我们将会使用方法 seed, randint, len, range, and zip.
方法使用说明：
seed(500) - 创建种子
randint(low=0,high=len(names)) - 生成0 到“names”列表的长度的随机整数
names[n] - 选择索引为 n 的 name
for i in range(n) - 循环直到 i 等于 n, 换言之1,2,3....n.
random_names = 从 names 列表选择随机名字，并且这样做 n 次.

3

生成0到1000的随机数

4

未完待续：课程内容较多，请复制链接通过电脑学习，获得最佳学习效果。 http://datacademy.io/lesson/154
更多课程和文章尽在微信号：「datartisan数据工匠」