使用python高效快速進行數據清洗及可視化
對於剛剛接觸python的人來說，第一次使用pandas和matplotlib處理數據，主要應該注意以下幾個方面：
首先第一步就是要導入一些使用包：
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
要把csv或者excel文件讀取出來：
pa = pd.read_csv('E:/練習數據/patient.csv')
這裡需要注意，我們直接複製出來的文件路徑格式一般都是 \ ，這裡我們要轉換成 / ；
2 、由於我的文件列數過多，所以在notebook中顯示不完全，如果要顯示所有列，那就需要在開頭進行一些設置
pd.set_option('display.max_columns',None)
主要用到的就是set_option方法，具體用法可以參考其他文章；
3、之後就進入到了數據清理階段：首先刪除不需要的列 ：
pa.drop(['病人卡號','病人姓名','省份','城市','諮詢醫生','類型','type_message'], axis=1, inplace=True)
這裡使用drop方法，參數方面axis默認為0，是刪除行，置為1是刪除列，inplace參數表示是否需要把處理之後的數據替換掉原來的數據；另外一種刪除方法是刪除連續的多列：
pa.drop(pa.columns[8:30],axis=1,inplace=True)
這裡使用了索引，表示刪除第8到30列；
把幾列拿出來求和，得到新的列在加入的表中，這種使用場景比如說計算每個學生各科的總分：
sum_columns = pa.iloc[:,8:30]deff(x):return x.sum()feiyong = sum_columns.apply(f,axis=1)pa['總費用'] = feiyong
這部分牽涉到的知識點：iloc的使用、apply函數的使用、還有如何增加一列新的數值到表中，算是稍微複雜點的應用了；
數值的替換都可以用replace:
pa = pa.replace(['初診','複診'],[1,0])pa = pa.replace(['自然門診'],['企劃'])
更改列名要用到rename:
pa.rename(columns={'諮詢人員':'醫生'},inplace=True)
裡面要傳入columns和inplace作為參數；
還有一個重要的知識點就是把一列分成兩列，再添加到表中：
bingzhong = pa.病種.str.split('-',expand=True)
bingzhong.columns = ['大病種','小病種'] #數據清洗 添加兩列到原來的表中
pa = pa.join(bingzhong)
這裡用到的是str.split,裡面兩個參數，第一個是使用什麼符號來分裂，這個符號必須是每一個數據都包含的，之後要給兩個新的列添加列名，之後使用join把新的Dataframe添加到原來的表中。
分組統計：
zhuzhuang = pa.groupby(by=['醫院'])['總費用'].sum().sort_values(ascending=False)
cz1 = pa.groupby(by=['醫院'])['初複診','總費用'].sum() #統計兩列
使用groupyby裡面要傳入by參數，後面可以做統計，然後排序，這個參數後來會成為Series中的index，如果要把得到的Series轉化成Dataframe可以使用下面這個函數
cz1 = cz1.reset_index() #把groupy之後生成的series變成dataframe
對某一列的值進行加減乘除運算：
cz1['總費用']=cz1['總費用']/10000
使用round設置保存幾位小數：
cz1 = cz1.round({'總費用':0}) #對某一列保留幾位小數
數據篩選：
cz2 = cz1[(cz1.初複診>100)&(cz1.總費用>1)]
數據可視化
折線圖
zhexian.plot(figsize=(12,6))plt.xticks(fontsize=10)plt.xlabel('Datatime')plt.ylabel('Money')plt.title('moneyof datatime')plt.show()
直接使用.plot，默認就是折線圖，figsize參數可以指定畫出的圖片大小，xticks主要設置座標軸的顯示，比如說字號，xlabel,ylabel,title分別設置標題；
柱狀圖
zhuzhuang.plot(kind='bar',figsize=(15,8))plt.xticks(rotation=45,fontsize=15)plt.yticks(fontsize=14)plt.show()
除了figsize參數之外還傳進去一個kind表示圖像的類型‘bar’表示柱狀圖，
散點圖
fig, ax = plt.subplots()ax.scatter(cz2['初複診'],cz2['總費用'])ax.set_xlabel('nums')ax.set_ylabel('money')ax.set_title('Hahahha Wocao')plt.show()
這裡使用一個新的畫圖方法ax，散點圖要傳進去兩列數值，來描述兩列的關係，設置圖名稱的方式也和之前有所不同
箱線圖
fig, ax = plt.subplots()ax.boxplot(cz2['總費用'])plt.show()
箱線圖描述一列數據中，數據分佈情況。
以上就是這部分的內容，實際工作中大家遇到的歡迎繼續補充。
閱讀更多 辣筆小東 的文章
