Python数据分析：数据分析实战 —— 阿里云天池

一，学习内容概括

1，学习地址

https://tianchi.aliyun.com/notebook-ai/detail?postId=125735.

2，主要学习内容

1，数据集的下载
2，import 导入模块，并且读取数据
3，观察数据尺寸
4，确定是否有数据缺失
5，查看各代口袋妖怪的数量
6，生成相关性图
7，在实战中的角度来分析这组数据
8，先做一个特征类型转化，然后再计算种族值
9，过滤和排序

二，具体学习内容

1，数据集的下载

!wget -O pokemon_data.csv https://pai-public-data.oss-cn-beijing.aliyuncs.com/pokemon/pokemon.csv

2，import 导入模块，并且读取数据

Pandas, Seaborn, Matplotlib

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

df = pd.read_csv("./pokemon_data.csv")

3，观察数据尺寸

df.shape 这个来实现观察数据尺寸
当然 df.info() 能够给我们更加详细的每个列的信息
df.head()

#更加简洁  直观
df.head()

df.info()

4，确定是否有数据缺失

观察每个特征的缺失情况
df.isnull()

# 计算出每个特征有多少百分比是缺失的
percent_missing = df.isnull().sum() * 100 / len(df)
missing_value_df = pd.DataFrame({
     
    'column_name': df.columns,
    'percent_missing': percent_missing
})
# 查看Top10缺失的
missing_value_df.sort_values(by='percent_missing', ascending=False).head(10)

5，查看各代口袋妖怪的数量

每代分别有几只？这里我们可以通过简单的 df[‘generation’].value_counts() 来得到

pandas自带的画图的功能来绘制一个柱状图

• 查看各代口袋妖怪的数量

# 查看各代口袋妖怪的数量
df['generation'].value_counts().plot.bar()

再看不同的主属性的分布

• 查看每个系口袋妖怪的数量

# 查看每个系口袋妖怪的数量
df['type1'].value_counts().sort_values(ascending=True).plot.barh()

df.sample(10)

6，生成相关性图

通过相关性分析heatmap分析五个基础属性
了解不同特征之间的关联

# 相关性热力图分析
plt.subplots(figsize=(20,15))
ax = plt.axes()
ax.set_title("Correlation Heatmap")
corr = df.corr()
sns.heatmap(corr, 
            xticklabels=corr.columns.values,
            yticklabels=corr.columns.values)

通过观察 attack 这一个特征和 height_m 是正相关的，我们可以得出：越高的宝可梦，攻击力越高。
但是再看 height_m，我们会发现它和 base_happiness 是负相关的。这个时候我们可以作出另外一个结论：长得高的宝可梦可能都不太开心。

7，在实战中的角度来分析这组数据

这里我们只关注六个基础值：血量，攻击力，防御力，特攻，特防，速度。因为只有这六个基础值决定了一只宝可梦的战斗力在不考虑派系克制的情况下。

interested = ['hp','attack','defense','sp_attack','sp_defense','speed']
sns.pairplot(df[interested])

看到大部分都是成正比例的，一个值的提高往往会拉高另外一个值。这点我们通过相关性热力图也可以看到

# 通过相关性分析heatmap分析五个基础属性
plt.subplots(figsize=(10,8))
ax = plt.axes()
ax.set_title("Correlation Heatmap")
corr = df[interested].corr()
sns.heatmap(corr, 
            xticklabels=corr.columns.values,
            yticklabels=corr.columns.values,
            annot=True, fmt="f",cmap="YlGnBu")

8，先做一个特征类型转化，然后再计算种族值

• 先做一个特征类型转化

for c in interested:
    df[c] = df[c].astype(float)
df = df.assign(total_stats = df[interested].sum(axis=1)) 

• 用 total_stats 这个字段来存储种族值这一特征

我们可以做个柱状图可视化来看看种族值的分布是什么样的：

# 种族值分布
total_stats = df.total_stats
plt.hist(total_stats,bins=35)
plt.xlabel('total_stats')
plt.ylabel('Frequency')

10%，50%，80%

df.total_stats.quantile([.1,.5,.8])

df[df.total_stats >= 525].shape

• 根据不同的属性

# 不同属性的种族值分布
plt.subplots(figsize=(20,12))
ax = sns.violinplot(x="type1", y="total_stats",
                    data=df, palette="muted")

最弱的

df[df.name=='Sunkern']

9，过滤和排序

df[(df.total_stats >= 570) & (df.is_legendary == 0)]['name'].head(10)

三，学习问题和解决方法

回顾前面

四，总结

没有实例 是真的不知道自己的掌握情况，通过实例更能很好的掌握了解
学过的也都忘得差不多了，多敲代码 多练习