首页 > TAG信息列表 > dataDF
Python数据清洗见闻
事情是这样的：作为大数据专业学生，有一天老师突然给出了2个多G的csv文件。没做具体任务要求，算是拿着玩。 第一个问题：各种常用文档编辑器都打不开这么大的文件 解决：使用Emeditor，支持文本分段打开，我愿称之为绝活。 第二个问题：对于数据实现简单清洗 描述：老师给数据分析
数据分析的目的： 以医院销售数据为例，目的是了解朝阳医院在2018年里的销售情况，通过对朝阳区医院的药品销售数据的分析，了解朝阳医院的患者的月均消费次数，月均消费金额、客单价以及消费趋势、需求量前几位的药品等。 数据分析基本过程包括：获取数据、数据清洗、构建模型、数据可视化以数据分析常用的方法总结
医院销售数据分析案例关键知识点 读取 data = pd.read_excel('chao.xlsx',dtype='object') 为了防止数据类型不一致，先统一用object类型导入 重新给列命名 dataDF.rename(columns={"购药时间": "销售时间"}, inplace=True) 数据类型转换 dataDF["销售数量"] = dataDF["销售数量"].python数据处理
# 读取数据（最好使用 object 类型读取）读取的时候用object读取，防止有些数据读不了： data = pd.read_excel("朝阳医院2018年销售数据.xlsx", dtype="object") # 修改为 DataFrame 格式 dataDF = pd.DataFrame(data) # 查看数据的形状，即几行几列 dataDF.shape # 查看索引 data