小红书达人带你学习DataFrame的统计

　　现在直播带货太火了，宋宋最近也在小红书上败家了好几单，身为程序员的宋宋有点不甘心。拿到了一份小红书直播带货榜数据分析下，看一看小红书的卖货实力和用户分析？本案例主要针对DataFrame的数据统计和排序知识点的讲解。

　　### 数据展示与清洗

　　首先了解下我们即将使用的数据book.csv(获取数据文末可以网盘下载):

　　```python

　　import pandas as pd

　　import numpy as np

　　import random

　　from matplotlib import pyplot as plt

　　from pyecharts.charts import Boxplot

　　df= pd.read_csv("book.csv")

　　df.info()

　　```

　　结果：　　

　　数据内容如下：　　

　　其中每列表示如下：

　　> 数据说明 这是一个关于用户在小红书购买金额的数据集， 共有29452条数据， 7个变量。

　　>

　　> (1) revenue 用户下单的购买金额

　　>

　　> (2) 3rd_party_stores 用户过往在app中从第三方购买的数量，为0则代表只在自营商品中购买

　　>

　　> (3) Gender 性别 1：男 ，0：女 ，未知则空缺

　　>

　　> (4) Engaged_last_30 最近30天在app上有参与重点活动(0:讨论，1:卖家秀的活动)

　　>

　　> (5) Lifecycle 生命周期分为A,B,C (分别对应注册A：6个月内，B：1年内，C：2年内)

　　>

　　> (6) days_since_last_order 最近一次下单距今的天数 (小于1则代表当天有下单)

　　>

　　> (7)previous_order_amount 以往累积的用户购买金额

　　大家都知道我们在分析数据前都会判断下，是否存在空缺值，重复值、异常值等，即进行数据的清洗。

　　```python

　　df.isnull().any()

　　```　　

　　```

　　df.duplicated().any()

　　```

　　结果是：

　　> True

　　说明存在空缺值和重复值，于是我们要对这些数据进行处理

　　```python

　　# 去除重复数值和缺失数值

　　df.drop_duplicates(inplace=True)

　　df.reset_index(drop=True,inplace=True)

　　df.replace('nan',np.nan,inplace=True)

　　#把性别、年龄、用户过往中为nan的数值分别用随机、平均值、随机替代

　　df.fillna(value={"gender":random.choice([1.0,0.0]),"age":round(df["age"].mean(),0),"engaged_last_30":random.choice([1.0,0.0])},inplace=True)

　　df.head()

　　```

　　结果：　　

　　我们可以发现个别数据的列名比较长，所以我们需要简化部分columns的命名使用rename方法，这样方便我们后续的使用

　　```python

　　df=df.rename(columns={

　　"engaged_last_30": "engage",

　　df.keys()[5]: "last_order",

　　"previous_order_amount":"accumulation",

　　"3rd_party_stores":"3rd"})

　　```

　　结果：　　

　　更多关于“Python 培训”的问题，欢迎咨询千锋教育在线名师。千锋教育多年办学，课程大纲紧跟企业需求，更科学更严谨，每年培养泛IT人才近2万人。不论你是零基础还是想提升，都可以找到适合的班型，千锋教育随时欢迎你来试听。

　　注：本文部分文字和图片来源于网络，如有侵权，请联系删除。版权归原作者所有!