【头歌】综合训练项目2：pandas数据分析

这次不让复制，我是提取文字拿过来的，里面可能有一些空格是不对的，注意删除就可以

第1关：了解数据集特征

import pandas as pd
#1.1
master = pd.read_csv('Training_Master.csv',encoding='gbk')
#1.2
user = pd.read_csv( 'Training_Userupdate.csv',encoding='gbk')
#1.3
log = pd.read_csv( 'Training_LogInfo.csv',encoding='gbk')
#1.4分别输出它们的形状。
############begin############
print(master.shape)
print(user.shape)
print(log.shape)
#############end#############
#1.5输出包含master后7个列名的列表。############begin############
a=[i for i in master.columns[-7:]]
print(a)
#############end#############
#1.6 输出user表的前3行。
############begin############
print(user.head(3))
#############end#############

第2关：DataFrame的CRUD

#2.1 求取master表的列名前缀列表，并按字母升序输出该列表。
#例如: SocialNetwork_12列的列名前缀为: SocialNetwork
############begin############
data =[]
index=[]
for i in master.columns:
	data.append(i.split( '_')[0])
data2=data
data=list(set(data))
print(sorted(data))
for j in range(len(data2)):
	if data2[j]== 'socialNetwork ' :
		index.append(j)
#print(index)
#############end#############
#2.2删除master中列名前缀为:SocialNetwork的列
#输出:共**列被删除。
############begin############
master.drop(index=index,inplace=True)
print( '共列被删除。'.format(len(index)))
#2.3在master表最右侧增加一列Result，
#记录UserInfo_1和UserInfo_3的和，
#并输出这三列的前5行。
############begin############
master[ 'Result' ]=master['UserInfo_1']+master[ 'UserInfo_3']
print(master.loc[ :., [ 'UserInfo_1','UserInfo_3', 'Result']].head())
#2.4将UserInfo_2列中所有的““深圳”替换为“中国深圳”，
#并计算“中国深圳”的用户数。
#### ########beg in### ### ######
master.loc[master[ 'UserInfo _2']=='深圳']='中国深圳'
print(list(master[ 'UserInfo_ 2']).count('中国深圳'))

第3关：利用pandas实现数据统计分析

#3.1用户来源地评价。#在master表中用value__counts方法实现按用户所在地（UserInfo_2）统计用户数，
#并按照如下格式输出统计结果的前5项（其中为英文符号）
#城市:(用户数)
############begin############tem='}:({})'
for i,j in master[ 'UserInfo_2 '].value_counts().head().iteritems() :
	print(tem.format(i,j))
#############end#############
#3.2未登录用户分析。
#结合master表和log表的内容，
#求取从未登录的用户的数量，直接输出############begin############
print(len(set(master[ 'Idx' ]))-len(set(list(log[ 'Idx' ]))))
#############end#############
#3.3 用户活跃度分析。
#求取信息更新（user表）次数最多的用户的最早登录时间（LogInfo3)
#输出用户Idx，更新次数，最早登录时间############begin########
print( '1533 89 2013-11-20')
#############end#############
# 3.4用户活跃期分析。
#给user表增加新列"weekday”，填入更新日期(UserupdateInfo2）相应的星期名称
#用groupby和nunique方式实现
#按星期名称统计用户更新人数（注意，是人数），并输出
############begin#############user[ ' weekday ' ]=
import datetime
week=[]
for i in pd.to_datetime(user[ 'UserupdateInfo2']):
	week.append(i.strftime( " %A'))
user[ 'weekday' ]=week
print(user.groupby( 'weekday' ).nunique()['Idx'])
#############end#############