pandas实战——对星巴克数据的分析

一、实验对象

实验对象为星巴克在全球的门店数据，我们可以使用pandas对其进行简单的分析，如分析每个国家星巴克的数量，根据门店数量对国家进行排序等。

二、数据分析

1、读取数据并获取数据行列数

首先读取数据：

import numpy as np
import pandas as pdstarbucks = pd.read_csv("D:\\directory.csv")
print "数据的列标签如下："
print starbucks.columns
print "每列的数据类型："
print starbucks.dtypes
print "文件行数："
print len(starbucks.index)
print "文件列数:"
print starbucks.columns.size

输出：

数据的列标签如下：
Index([u'Brand', u'Store Number', u'Store Name', u'Ownership Type',u'Street Address', u'City', u'State/Province', u'Country', u'Postcode',u'Phone Number', u'Timezone', u'Longitude', u'Latitude'],dtype='object')
每列的数据类型：
Brand              object
Store Number       object
Store Name         object
Ownership Type     object
Street Address     object
City               object
State/Province     object
Country            object
Postcode           object
Phone Number       object
Timezone           object
Longitude         float64
Latitude          float64
dtype: object
文件行数：
25600
文件列数:
13

可以看到文件共有25600条数据，每条数据有13列。

2、查看数据

#查看文件的前五行数据
print starbucks.head()

输出：

可以通过DataFrame.head(n)来获取数据帧的前n行数据，未指定n则返回前5行，同样的函数还有DataFrame.tail(n)。上图中有些数据为NaN，如果NaN对数据处理有影响的话可以使用DataFrame.fillna(value)将NaN替换成value࿰