資料分析從零開始實戰 | 基礎篇（一）

一、寫在前面

之前的一個系列 『Python小知識 』主要和大家分享一下我快速看過一遍《零壓力學Python》後覺得比較好玩、重要的一些知識點。

接下來我打算花一個月左右的時間把《資料分析實戰》看完，實操一遍，同樣開成一個系列『資料分析從零開始實戰』，既然說了從零開始，就肯定是從零開始，當然如果真的一點基礎都沒有，建議大家把 『Python小知識 』專欄先看一遍。

二、知識點概要

1.建立一個虛擬python執行環境，專門用於本系列學習；
2.資料分析常用模組pandas安裝
3.利用pandas模組讀寫CSV格式檔案

三、開始動手動腦

1.建立虛擬環境

我平時比較喜歡Pycharm，所以本系列打算完全用Pycharm做，Pycharm安裝可以直接到官網上下載，使用社群版即可。
（1）好的正式開始，開啟Pycharm，點選File->New Project,基本配置說明見下圖。
特別說明：python裡面專案路徑裡不要出現中文，同時專案名稱也不要出現中文，名稱儘量能夠概括專案內容。

操作步驟圖

（2）建立成功後，我們會在對應目錄下面發現多了專案檔案和虛擬環境檔案。

2.資料分析常用模組Pandas安裝

（1）零基礎教程，首先教大家怎麼進入虛擬環境：進入到目錄I:\pyCoding\Frame\Data_analysis\Scripts(我的虛擬環境目錄)，按住shift+滑鼠右鍵，開啟powershell或者cmd(如果是powershell就先輸入cmd)，再輸入activate，進入虛擬環境，你會發現在路徑前面多了一個括號裡面是你的虛擬環境名稱，表示你進入了虛擬環境。具體看下面：

PS I:\pyCoding\Frame\Data_analysis\Scripts> cmd
Microsoft Windows [版本 10.0.17134.112]
(c) 2018 Microsoft Corporation。保留所有權利。

I:\pyCoding\Frame\Data_analysis\Scripts>activate
(Data_analysis) I:\pyCoding\Frame\Data_analysis\Scripts>

不知道大家有沒有覺得很麻煩，我是覺得特別麻煩，每次進入虛擬環境都要先到指定檔案路徑，然後再輸入指令，不符合程式設計師的風格啊！當然有簡單方法，具體操作看我之前寫的一篇文章裡有詳細介紹，點選這裡檢視，怎麼快速進入虛擬環境。

（2）安裝pandas模組
使用快捷方式進入虛擬環境後，直接pip指令安裝

# cmd下直接操作
C:\Users\82055>workon

Pass a name to activate one of the following virtualenvs:
==============================================================================
Data_analysis
spiderenv

C:\Users\82055>workon Data_analysis
(Data_analysis) C:\Users\82055>pip install pandas

安裝結果：

安裝過程

安裝過程大概1分鐘左右，完成後會顯示

Installing collected packages: pytz, numpy, six, python-dateutil, pandas
Successfully installed numpy-1.15.4 pandas-0.23.4 python-dateutil-2.7.5 pytz-2018.7 six-1.11.0

很明顯看出，這個過程不僅安裝了pandas包，還安裝了numpy，pytz，six，python-dateutil這些附加包，後面我們也會用上。

3.利用pandas模組讀寫CSV格式檔案

（1）資料檔案下載

本系列按書上來的資料都是這裡面的，《資料分析實戰》書中原始碼也在這個程式碼倉庫中，當然後面我自己也會建一個程式碼倉庫，記錄自己的學習過程，大家可以先從這裡下載好資料檔案。

不會從github下載檔案的，可以關注微信公眾號：簡說Python,在微信公眾號後臺回覆：資料分析實戰。（我已經下載整理好了，上傳到了百度雲盤供大家下載）

（2）pandas基本介紹

pandas為Python程式語言提供高效能，是基於NumPy 的一種易於使用的資料結構和資料分析工具,pandas為我們提供了高效能的高階資料結構（比如：DataFrame）和高效地操作大型資料集所需的工具，同時提供了大量能使我們快速便捷地處理資料的函式和方法。

(3)利用pandas讀取CSV檔案

讀取程式碼：

# 匯入資料處理模組
import pandas as pd
import os

# 獲取當前檔案父目錄路徑
father_path = os.getcwd()

# 原始資料檔案路徑
rpath_csv = father_path+r'\data01\city_station.csv'
# 讀取資料
csv_read = pd.read_csv(rpath_csv)
# 顯示資料前10條
print(csv_read.head(10))

執行結果：

函式解析：
read_csv(filepath_or_buffer,sep,header,names,skiprows,na_values,encoding,nrows)
按指定格式讀取csv檔案。
常見引數解析：
1. filepath_or_buffer:字串，表示檔案路徑；

2. sep: 字串，指定分割符，預設是’,’;

3. header:數值， 指定第幾行作為列名(忽略註解行)，如果沒有指定列名，預設header=0; 如果指定了列名header=None;

4. names: 列表，指定列名，如果檔案中不包含header的行，應該顯性表示header=None。

5. skiprows：列表，需要忽略的行數（從0開始），設定的行數將不會進行讀取。

6. na_values：列表，設定需要將值替換成NAN的值，pandas預設NAN為預設，可以用來處理一些預設、錯誤的數值。

7. encoding：字串，用於unicode的文字編碼格式。例如，"utf-8"或"gbk"等文字的編碼格式。

8. nrows：需要讀取的行數。

(4)利用pandas寫入CSV檔案

寫入程式碼：

import pandas as pd
import os

# 獲取當前檔案父目錄路徑
father_path = os.getcwd()

# 儲存資料檔案路徑
path_csv = father_path+r'\data01\temp_city.csv'
# 寫入資料（列名+列值）
data = {"站點名": ["北京北", "北京東", "北京", "北京南", "北京西"],
        "代號": ["VAP", "BOP", "BJP", "VNP", "BXP"]}
# 資料初始化為DataFrame物件
df = pd.DataFrame(data)
# 資料寫入
df.to_csv(path_csv)

執行結果：

函式解析：

to_csv(path_or_buf,sep,na_rep,columns,header,index)

1. path_or_buf：字串，檔名、檔案具體、相對路徑、檔案流等；

2. sep：字串，檔案分割符號；

3. na_rep：字串，將NaN轉換為特定值；

4. columns：列表，選擇部分列寫入；

5. header：None,寫入時忽略列名；

6. index：False則選擇不寫入索引,預設為True。