基于python+pandas的數(shù)據(jù)分析處理應(yīng)用

何春燕 王超宇 成都理工大學(xué)

1.引言

Python是一種面向?qū)ο蟮哪_本語言，自20世紀(jì)90年代初誕生到現(xiàn)在，已經(jīng)被廣泛應(yīng)人工智能，機(jī)器學(xué)習(xí)，大數(shù)據(jù)等方面。python語法簡單，容易理解和上手。無論安裝還是使用python都不需要付費(fèi)。python是一種面向?qū)ο蟮恼Z言，同時(shí)也支持面向過程?；谒拈_源的本質(zhì)，python可在許多平臺(tái)上使用，包括Windows，Linux等。python有強(qiáng)大的標(biāo)準(zhǔn)庫和豐富的第三方庫。.

Pandas被廣泛運(yùn)用于金融、統(tǒng)計(jì)以及社會(huì)科學(xué)領(lǐng)域的數(shù)據(jù)處理。

2.Pandas處理數(shù)據(jù)

2.1 數(shù)據(jù)導(dǎo)入

程序段1：

從mangoDB讀取用戶表

import pandas as pd

from pymongo import MongoClient

host = ‘0.0.0.0’# 配置 MongoDB 連接信息

port = 27019

client = MongoClient(host=host, port=port)

collenction =‘user’

cursor = db[collection].find({})

User = pd.DataFrame(list(cursor))

部分?jǐn)?shù)據(jù)展示：

user_id channel

first_visit_time

2018-01-04 10：43：33 33737760 anzhishichang

2018-01-04 13：54：50 33217154 anzhishichang

2018-01-08 17：46：22 33130645 anzhishichang

2.2 數(shù)據(jù)處理

2.2.1. 獲取新增用戶

新增用戶：首次使用應(yīng)用程序的用戶，以first_visit_time為依據(jù)，判斷用戶是否為新增用戶。

時(shí)間序列分析在金融數(shù)據(jù)分析中占據(jù)重要位置，可傳入字符串進(jìn)行索引。

例如可傳入”20180109”來獲取1月9號(hào)首次訪問應(yīng)用程序的用戶數(shù)據(jù)，

User[‘20180109]

user_id channel

first_visit_time

2018-01-09 15：50：44 33217151 anzhishichang

可傳入時(shí)間段獲取數(shù)據(jù)：

User[“201808”：”20180111”]

user_id channel

first_visit_time

2018-01-08 17：43：11 4897182 anzhishichang

2018-01-11 09：18：59 33217153 anzhishichang

時(shí)間索引的切片操作包含尾部的數(shù)據(jù)。

2.2.2.獲取最近7天新增用戶數(shù)

程序段2：

import pandas as pd

from datetime import datetime, date, timedelta

end_date = date.today()

new_user = pd.Series(name=`新增用戶數(shù)`)

#通過for循環(huán)獲取7天的新增用戶數(shù)

for i in range(7)：

dt = date.today() - timedelta(days=i)

sum_new = User[dt[-4：]]

new_user[dt] = len(sum_new)

返回結(jié)果：

0522 65

0521 36

0520 8

0519 6

0518 3

0517 41

0516 58

可清晰的看到，每天的新增用戶數(shù)。

2.2.3.獲取最近7天不同渠道的新增用戶數(shù)

程序段3：

import pandas as pd

from datetime import datetime, timedelta, date

new7channel = pd.DataFrame()

#外層for循環(huán)獲取最近7天的新增用戶數(shù)據(jù)

for i in range(7)：

Dt = date.today() - timedelta(days=i)

dt1 = datetime.strftime(dt, "%Y%m%d")

data = User[dt1]

Channel = data[`channel`].drop_duplicates()

new_channel=pd.Series(name=dt1[-4：])

#內(nèi)層for循環(huán)，獲取各渠道新增用戶數(shù)

for cn in channel：

dt_cn = data[data[`channel`] == cn]

num_channel[cn] = len(dt_cn)

#concat函數(shù)將數(shù)據(jù)連接起來。通過fillna函數(shù)將值為NaN數(shù)據(jù)用0填充。

new7channel=pd.concat([new7channel,new_channel],axis=1).fillna(0)

部分結(jié)果：

0523 0522 0521 0520 0519 0518 0517

AppStore 8.0 20.0 13.0 13.0 12.0 11.0 20.0

c360 0.0 2.0 2.0 0.0 0.0 0.0 1.0

橫向數(shù)據(jù)表示不同渠道最近7天的新增用戶數(shù)，縱向則表明不同渠道的新增用戶數(shù)。

3 結(jié)束語

在大數(shù)據(jù)時(shí)代，數(shù)據(jù)分析的影響及重要性在不斷拓寬和加深。本文介紹了基于Python，pandas簡單的數(shù)據(jù)分析過程。