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!
