2024.9.24 数据分析
资料
111个Python数据分析实战项目，代码已跑通，数据可下载_python数据分析项目案例-CSDN博客
【数据挖掘六大项目实战】敢说这是全B站讲的最详细最通俗易懂的数据挖掘教程！整整60集！学不会来找我！-数据挖掘、数据挖掘与数据分析、人工智能、python_哔哩哔哩_bilibili
数据挖掘流程
（1）数据读取
- 读取数据，展示
- 统计数据各项指标
- 明确数据规模与要完成的任务
（2）特征理解分析
- 单特征分析，逐个变量分析其对结果的影响
- 多变量统计分析，综合考虑多种情况影响
- 统计绘图得结果
（3）数据清洗与预处理
- 对缺失值进行填充
- 特征标准化/归一化
- 筛选有价值的特征
- 分析特征之间的相关性
（4）建立模型
- 特征数据与标签准备
- 数据集切分
- 多种建模算法对比
- 集成策略等方案改进
挑选兵器
python
- Numpy-科学计算库，用于矩阵运算
- Pandas-数据分析处理库
- Matplotlib-可视化库
- Seaborn-可视化库
- Scikit-learn-机器学习库，机器学习算法
Sklearn scikit-learn: machine learning in Python — scikit-learn 1.5.2 documentation
（针对感兴趣的领域，练习，看例子）
数据集可以从Kaggle下载（泰坦尼克号）---流程案例
（1）
# 读取数据
data = pandas.read_csv('train.csv')
data.head()# 看缺失值
data.isnull().sum()# 整体看数据
data.describe()- 可以绘图展示
- 分析问题
（2）
数据特征分为：连续值和离散值
- 离散值：性别、登船地点
data.groupby(['Sex','Survived'])['Survived'].count()Pclass-船舱等级跟获救情况的关系 crosstab
船舱等级结合性别因素 crosstab
crosstab之后可以通过画图展示得更直观一些
可以得出一些结论（帮助建立模型）
- 连续值：年龄，船票价格
平均年龄、最小年龄、最大年龄
小提琴图
可以得出一些结论（帮助建立模型）
（3）
缺失值填充
- 平均值
- 经验值
- 回归模型预测
- 删除掉
年龄缺失值填充：年龄区间比较大，可以根据男女来填充年龄（尽可能利用已有的数据信息使得填充的值更加合理）根据姓名的昵称
可以采用多种缺失值填充方法（多个副本）
码头缺失值填充：经验值填充，可以根据与其他特征之间的分组关系获取“经验”
——————————
seaborn画图
这个部分可以对不同特征之间进行绘图，趋势对比，观察，选择有用的特征
（4）模型选择
（后面的课程没有了T-T）