冬日游,似水云雪落满头。
莫是谁家少年不知愁。
纵无心,跌入云泥,
相看笑不休!
好久没有女神的信,好久没有和她谈心,怀念她柔情似水的眼睛,是李有为加班夜晚中的星星……
女神失恋的第33天后,日渐消瘦的她终于从分手的阴霾中走了出来,身上散发着像往常耀眼夺目的光彩。
“有为,你现在在工位上吗?”
很快啊,看见了女神发来的消息,啪,李有为立马就点进了聊天窗口。
“嗯”,以彼之道还施彼身,李有为简单回复了一个像女神往常一样回复他的字眼。
很快啊,女神突然就来到了他的工位,眼眶里莹莹泛着泪花,一见面就劈头一句:“等闲变却故人心,却道故人心易变。有为,你可不可以不要这么高冷!”
“气壮山河英雄泪,曲折缠绵儿女情。铁骨男儿担大道,最难消受美人恩。”
李有为被女神这么一说,一下就云里雾里了,稀里糊涂就莫名其妙接了一个小需求,终究李有为还是又做了一次二十多岁的老实人。
话说公司领导最近读了一些莫名其妙的书籍,开始提倡数据化治理,要求各个部门都该具有相关的数据思维,这样才不会被大数据时代淘汰。一时之间,公司上下,人人口中都挂着数据、图表、分析这些高大上的关键词语。
李有为的女神自然也是其中的一员。这次她找到李有为是因为想做一个炫酷的词云图,然后再来一波很骚的数据分析,然而万事开头难,女神直接倒在了第一步数据预处理阶段。
女神的需求其实很简单,就是将exp_job字段的期望岗位打散,然后求和计数,最后就可以制作岗位的词云图了。
df = pd.read_csv("test.csv",encoding="gbk")
df_exp_job = df['exp_job'].map(lambda x:x.replace("[","").replace("]","").replace('"',"")) \
.str.split(',', expand=True)
df_exp_job=df_exp_job.stack()
df_exp_job = df_exp_job.reset_index(level=1, drop=True).rename('exp_job')
&emps;利用两个数据index索引进行合并,并将原始dataframe的exp_job删除
df = df.drop(['exp_job'], axis=1).join(df_exp_job)
res=df.groupby(['exp_job']).count().reset_index()
print(res)
import pandas as pd
df = pd.read_csv("test.csv",encoding="gbk")
df=df.explode("exp_job")
print(df)
#看一下自己的数据类型
import pandas as pd
import json
df = pd.read_csv("test.csv",encoding="gbk")
df=df.explode("exp_job")
print(type(df['exp_job'][0]))
#
#结果很显然是字符串类型,所以需要对字符串做处理
#鉴于女神给的数据已经很像python中的list类型了,只需要做稍加的处理,使用json模块将字符串转换成list就可以了
import pandas as pd
import json
df = pd.read_csv("test.csv",encoding="gbk")
df['exp_job']=df['exp_job'].map(lambda x:json.loads(x))
res=df.explode("exp_job").groupby(['exp_job']).count().reset_index().rename(columns={"name":"num"})
print(res)
卸载 pandas
pip uninstall pandas
pip install pandas==0.25.3 -i https://pypi.tuna.tsinghua.edu.cn/simple some-package