groupby+agg方法统计每周的商品总销量和总退单量使用value_counts方法统计商品的退单数据使用merge方法合并数据数据及源码地址：https://gitee.com/myrensheng/data_analysis

中的数据用Python、pandas获取MySQL中的数据用Python、pandas获取Excel、csv、json中的数据数据及源码地址：https://gitee.com/myrensheng/data_analysis

本文可以学习到以下内容：使用requests库发送钉钉消息使用email和smtplib库发送邮件使用163邮箱服务，自动发送邮件及附件数据及源码地址：https://gitee.com/myrensheng/data_analysis

read_excel读取excel数据使用pandas中的map函数加密手机号的身份证号使用hashlib库对数据进行md5、sha加密数据及源码地址：https://gitee.com/myrensheng/data_analysis

seaborn中文乱码解决办法seaborn库csv数据下载地址用matplotlib、seaborn、pyecharts绘制散点图数据及源码地址：https://gitee.com/myrensheng/data_analysis

/Data_Analysis/Quantitation/*-VS-*.xls`;dopre=`echo$i|sed's/.

importpandasaspdimportosos.chdir(r'C:\Users\Hans\Desktop\data_analysis\test_data')df=pd.read_csv('ChinaBank.csv

本次实验内容为餐饮订单数据的分析，数据请见：https://pan.baidu.com/s/1tL7FE5lxs-gb6Phf8XRu_Q，文件夹：data_analysis，下面的文件：appl_1980

importpandasaspdimportosos.chdir(r'C:\Users\Hans\Desktop\data_analysis')df=pd.read_excel('pandas_multiindex.xls

本次实验内容为美国犯罪数据的分析，数据请见：https://pan.baidu.com/s/1tL7FE5lxs-gb6Phf8XRu_Q，文件夹：data_analysis，下面的文件：US_Crime_Rates

第一个项目，泰坦尼克号生存率预测，三种算法：1、线性回归2、逻辑回归3、随机森林【数据预处理】importpandasaspdimportnumpyasnppath1='D:/data_analysis

end_time、begin_time列值importjiebaimportpandasaspdimportredata=pd.read_csv(r'/Users/atsushi/Desktop/python/data_analysis

本次实验内容为酒类销售数据的分析，数据请见：https://pan.baidu.com/s/1tL7FE5lxs-gb6Phf8XRu_Q，文件夹：data_analysis，下面的文件：drinks.csv

本次实验内容为餐饮订单数据的分析，数据请见：https://pan.baidu.com/s/1tL7FE5lxs-gb6Phf8XRu_Q，文件夹：data_analysis，下面的文件：chipotle.csv

本次实验内容为欧洲杯数据的分析，数据请见：https://pan.baidu.com/s/1tL7FE5lxs-gb6Phf8XRu_Q，文件夹：data_analysis，下面的文件：Euro2012

所谓较大.csv文件，就是直接用pd.read_csv读取，会出现MemoryError.这时需要把文件变成迭代器，分段读取.user_info=pd.read_csv("E:\data_analysis

本次实验内容为餐饮订单数据的分析，数据请见：https://pan.baidu.com/s/1tL7FE5lxs-gb6Phf8XRu_Q，文件夹：data_analysis，下面的文件：job_info.csv

Data_analysisString[]allwords;Stringdelimiters=",.?!;:[]";IntDictconcordance;PFontf;intn=0;voidsetup(){size(600,400);pixelDensity(2);//loadfontf=createFont("arial",12,true);//loadthetaleintorawtextarr

#前面已经对数据进行了初步清洗。Python暂时搞不定的，用excel先搞定了应应急。#下面正式开始数据分析#导入常用模块importpandasaspdimportnumpyasnpimportmatplotlib.pyplotaspltimportseabornassns#读取卡罗拉口碑数据文件corolla1=pd.read_csv("D:\\2018_BigData\\Python\\Py

1.将字符串的时间转换为时间戳方法:a="2013-10-1023:40:00"将其转换为时间数组importtimetimeArray=time.strptime(a,"%Y-%m-%d%H:%M:%S")转换为时间戳:timeStamp=int(time.mktime(timeArray))timeStamp==13814196002.字符串格式更改如a="2013-10-1023:40:00