DAP数据分析体系 plfa数据分析

分析目的：
1、了解每个国家有多少运动员？
2、球员数量在100以上的国家数量有多少？
3、各大联赛运动员数量是多少？
4、查看各个俱乐部的平均周薪（看5条）？
5、球员年龄段分布情况？

#引入使用的库
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

#加载数据文件
df = pd.read_csv(r'D:\学习文件\Python案例\FIFA_2018_player.csv')

## ***开始清洗数据***

#查看数据类型
df.head()

#看一下数据整体的信息
df.describe()

#看看name列有没有null值
df[df.name.isnull()]

#看看full_name是不是有null值
df[df.full_name.isnull()]

#看看nationality是不是有null值
df[df.nationality.isnull()]

#看看league是不是有null值
df[df.league.isnull()]   #发现有null值，数量不多，不影响正常分析删除即可

#删除空值
df.drop(df[df.league.isnull()].index,inplace = True)

#查看是否删除成功
df[df.league.isnull()]

#看看club有没有null值
df[df.club.isnull()]

#查看age列是不是有不正常的值存在
df[df['age'] ==16]

#看一下eur_value（价值）有没有异常值
df[df['eur_value']<=1000]  #发现有几条数据eur_value值是0，用平均值填充

#用平均值填充eur_value为0的列
df['eur_value'].replace(0,df['eur_value'].mean(),inplace = True)

#查看是否填充成功
df[df['eur_value']<=1000]
df.loc[7734]

#看看eur_wage（周薪）的情况
df[df['eur_wage'] <1000 ]

#查看全部是不是有重复值
df[df.duplicated()]

#也可以查看部分自己需要用到的列（'full_name','nationality','birth_date'是我现在需要用到的列，以此为列：）
df[df.loc[:,['full_name','nationality','birth_date']].duplicated()]


## ***数据清洗完毕，开始分析***

#统计一下总共有多少条可用数据
df.count()

#再来看一下数据整体的信息（重点关注最大最小 平均 数量等）
df.describe()

#1、了解每个国家有多少运动员？
nationality_data = df.groupby('nationality',as_index=False).count()[['nationality','ID']]
nationality_data    #查看一下结果![在这里插入图片描述]()

#为了方便查看，把ID列重新命名为：player_count
nationality_data.rename(columns={'ID':'player_count'},inplace=True)
nationality_data    #命名成功，发现顺序是乱的![在这里插入图片描述]()

#按着远动员数量来排名  用 sort_values 来做排序
nationality_sorted_data = nationality_data.sort_values('player_count',ascending=False)
nationality_sorted_data

#2、查看球员数量在100以上的国家
nationality_sorted_data[nationality_sorted_data.player_count>100]

#球员数量在100以下的国家数量
nationality_sorted_data[nationality_sorted_data.player_count<100].count()

#各大联赛运动员数量
league_data = df.groupby('league',as_index=False).count()[['league','ID']].sort_values('ID',ascending=False)
league_data

#各个俱乐部的平均周薪，查看前5条
df.groupby('club',as_index=False).mean()[['club','eur_wage']].sort_values('eur_wage',ascending=False).head(5)

#球员年龄段分布，以3位间隔
bins = np.arange(15,50,3)
bins_data = pd.cut(df['age'],bins)
bins_counts = df['age'].groupby(bins_data).count()
bins_counts
#为了图标展示好看的数据index，使用直方图展示
bins_counts.index = [str(x.left) + '~' + str(x.right) for x in bins_counts.index]
bins_counts.plot(kind='bar',alpha=1,rot=0)
#使用饼图展示
bins_counts.plot(kind='pie')
plt.show()

##球员身高175-180总人数，
height = np.arange(155,205,5)
height_data = pd.cut(df['height_cm'],height)
height_counts = df['height_cm'].groupby(height_data).count()
height_counts

以上是自己敲出来的代码，小白第一次案例分析，还请大神多留言帮助小弟成长｡

后续有新的学习案例分析会逐步更新哟————————