一列數的數據分析怎麼改列的名字

① 數據分析員用python做數據分析是怎麼回事，需要用到python中的那些內容，具體是怎麼操作的

最近，Analysis with Programming加入了Planet Python。我這里來分享一下如何通過Python來開始數據分析。具體內容如下：

數據導入

導入本地的或者web端的CSV文件；

數據變換；

數據統計描述；

假設檢驗

單樣本t檢驗；

可視化；

創建自定義函數。

數據導入

• 1

  這是很關鍵的一步，為了後續的分析我們首先需要導入數據。通常來說，數據是CSV格式，就算不是，至少也可以轉換成CSV格式。在Python中，我們的操作如下：

  import pandas as pd

  # Reading data locally

  df = pd.read_csv('/Users/al-ahmadgaidasaad/Documents/d.csv')

  # Reading data from web

  data_url = "https://raw.githubusercontent.com/alstat/Analysis-with-Programming/master/2014/Python/Numerical-Descriptions-of-the-Data/data.csv"

  df = pd.read_csv(data_url)

  為了讀取本地CSV文件，我們需要pandas這個數據分析庫中的相應模塊。其中的read_csv函數能夠讀取本地和web數據。

數據變換

• 1

  既然在工作空間有了數據，接下來就是數據變換。統計學家和科學家們通常會在這一步移除分析中的非必要數據。我們先看看數據（下圖）

  對R語言程序員來說，上述操作等價於通過print(head(df))來列印數據的前6行，以及通過print(tail(df))來列印數據的後6行。當然Python中，默認列印是5行，而R則是6行。因此R的代碼head(df, n = 10)，在Python中就是df.head(n = 10)，列印數據尾部也是同樣道理

  

• 9

  plt.show(sns.lmplot("Benguet", "Ifugao", df))

創建自定義函數

• 在Python中，我們使用def函數來實現一個自定義函數。例如，如果我們要定義一個兩數相加的函數，如下即可：

  def add_2int(x, y):

  return x + y

  print add_2int(2, 2)

  # OUTPUT

  4

• 順便說一下，Python中的縮進是很重要的。通過縮進來定義函數作用域，就像在R語言中使用大括弧{…}一樣。這有一個我們之前博文的例子：

  產生10個正態分布樣本，其中和

  基於95%的置信度，計算和;

  重復100次; 然後

  計算出置信區間包含真實均值的百分比

  Python中，程序如下：

  import numpy as np

  import scipy.stats as ss

  def case(n = 10, mu = 3, sigma = np.sqrt(5), p = 0.025, rep = 100):

  m = np.zeros((rep, 4))

  for i in range(rep):

  norm = np.random.normal(loc = mu, scale = sigma, size = n)

  xbar = np.mean(norm)

  low = xbar - ss.norm.ppf(q = 1 - p) * (sigma / np.sqrt(n))

  up = xbar + ss.norm.ppf(q = 1 - p) * (sigma / np.sqrt(n))

  if (mu > low) & (mu < up):

  rem = 1

  else:

  rem = 0

  m[i, :] = [xbar, low, up, rem]

  inside = np.sum(m[:, 3])

  per = inside / rep

  desc = "There are " + str(inside) + " confidence intervals that contain "

  "the true mean (" + str(mu) + "), that is " + str(per) + " percent of the total CIs"

  return {"Matrix": m, "Decision": desc}

• 上述代碼讀起來很簡單，但是循環的時候就很慢了。下面針對上述代碼進行了改進，這多虧了Python專家

  import numpy as np

  import scipy.stats as ss

  def case2(n = 10, mu = 3, sigma = np.sqrt(5), p = 0.025, rep = 100):

  scaled_crit = ss.norm.ppf(q = 1 - p) * (sigma / np.sqrt(n))

  norm = np.random.normal(loc = mu, scale = sigma, size = (rep, n))

  xbar = norm.mean(1)

  low = xbar - scaled_crit

  up = xbar + scaled_crit

  rem = (mu > low) & (mu < up)

  m = np.c_[xbar, low, up, rem]

  inside = np.sum(m[:, 3])

  per = inside / rep

  desc = "There are " + str(inside) + " confidence intervals that contain "

  "the true mean (" + str(mu) + "), that is " + str(per) + " percent of the total CIs"

  return {"Matrix": m, "Decision": desc}

② 怎樣用Excel做數據分析

前言

最近鬆懈了，花了很多時間在玩游戲看視頻上，把學習計劃耽擱了，總說要自律，但光說不做是沒用的，最主要是自控能力太差了，得承認自己和大多數人一樣，愛玩、不願意邁出舒適區，「知行合一」，只四個字，大道至簡，卻超過99%的人都做不到。在前進的路上，希望自己能克服惰性，提升自控力，按計劃耐心學習並踐行。

1、數據分析步驟：

提出問題→理解數據→數據清洗→構建模型→數據可視化

2、實踐案例：

利用一份招聘網站的數據作為實戰案例。

第一步提出問題：

1）在哪些城市找到數據分師工作的機會比較大？

2）數據分師的薪水如何？

3）根據工作經驗的不同，薪酬是怎樣變化的？

第二步理解數據：

初始數據有6875條，14項內容。

設置表格列寬（步驟如下圖），顯示全部內容，方便後續操作，最後保存。

第三步清洗數據：

這一步需要花費的時間佔大部分，把數據處理成自己想要的樣子。

1、選擇子集：選擇公司全名和公司ID兩列並隱藏（取消隱藏方法：全選表格→開始→格式→隱藏和取消隱藏→取消隱藏列）

2、列名重命名：雙擊列名可以修改成自己想要的列名。

3、刪除重復值：選擇職位ID將其重復值刪除（步驟如下圖）

4、缺失值處理：選擇職位ID列計數5032，選擇城市列計數5030，城市列缺失兩個數據。

查找並定位城市列的缺失值（步驟如下圖），缺失值填上海。

缺失值處理的4種方法，根據情況靈活使用：

1）通過人工手動補全；

2）刪除缺失的數據；

3）用平均值代替缺失值；

4）用統計模型計算出的值去代替缺失值。

5、一致化處理：對「公司所屬領域」進行一致化處理（步驟如下圖）

將原來的「公司所屬領域」列隱藏，並將復制的列進行分列：

6、數據排序：

7、異常值處理：

第四步構建模型

第五步數據可視化

通過上面的分析，我們可以得到的以下分析結論有：

1）數據分析這一崗位，有大量的工作機會集中在北上廣深以及新一線城市，如果你將來去這些城市找工作，可以提高你成功的條件概率。

2）從待遇上看，數據分析師留在深圳發展是個不錯的選擇，其次是北京、上海。

3）數據分析是個年輕的職業方向，大量的工作經驗需求集中在1-3年。

對於數據分析師來說，5年似乎是個瓶頸期，如果在5年之內沒有提升自己的能力，大概以後的競爭壓力會比較大。

4）隨著經驗的提升，數據分析師的薪酬也在不斷提高，10年以上工作經驗的人，能獲得相當豐厚的薪酬。

3、劃重點：

1）分列功能會覆蓋掉右列單元格，所以我們記得先要復制這一列到最後一個空白列的地方，再進行分列操作。

2）上面圖片中的函數：IF(COUNT(FIND({"數據運營","數據分析","分析師"},L2)),"是","否")。

3）Ctrl+Eneter快捷鍵，在不連續的單元格中同時輸入同一個數據或公式時很好用。

4）精確查找和近似查找（模糊查找）的區別

（1）精確查找是指從第一行開始往最後一行逐個查找。一找到匹配項就停止查詢，所以返回找到的第一個值。

（2）當你要近似查找的時候，它就會苦逼地查遍所有的數據，返回的是最後一個匹配到的值。

5）在使用vlookup函數時，在很多情況下使用的是精確匹配，而在進行分組時需要用模糊匹配，所以這里要輸入「1」來進行模糊匹配。

6）Excel設置了快捷鍵F4幫助用戶迅速切換相對引用、絕對引用和混合引用，步驟如下：

（1）選定包含該公式的單元格；

（2）在編輯欄中選擇要更改的公式內容，並按 F4 鍵；

（3）以引用單元格A1為例，每次按 F4 鍵時，Excel會依次在以下組合間切換：

按一次F4是絕對引用

按兩次、三次F4是混合引用

按四次F4是相對引用

7）使用這個函數過程中，如果出現錯誤標識「#N/A」，一般是3個原因導致：

（1）第2個參數：查找范圍里第一列的值必須是要查找的值。

比如這個案例里第2個參數選定的的范圍里第一列是姓名，是要查找值的列。

（2）數據存在空格，此時可以嵌套使用TRIM函數將空格批量刪除。

（3）數據類型或格式不一致，此時將數據類型或格式轉為一致即可。