分析思路：

1、明确分析目标；

2、导入库、导入数据；

3、简单查看下数据行列、整体情况；

4、数据清洗；

5、确定维度和指标；

6、分析并作图

1、查看整体数据情况

1.1引入使用的库

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

1.2加载数据文件

df = pd.read_csv('./FIFA_2018_player.csv')

1.3简单查看数据整体情况

df.head()

数据表头说明：

ID:编号

name:球员姓名

full_name:球员全名

nationality:国籍

league:联赛

club:所属俱乐部

age:年龄

birth_date:出生日期

height_cm:身高

weight_kg:体重

eur_value:身价

eur_wage:周薪

df.describe()

2、开始清理数据

数据清理-所有需要分析的数据都需要看下。

对于数值型，可以看下describe方法输出的信息，重点关注最大值，最小值，平均值，行数等。

2.1、查看整体数据量

f.count()

2.2、对null值处理

通过查看各列数据量情况(非null值)发现，league字段和club字段与其他字段存在差异。存在253行的null值，对于一万条数据来说影响还好，可以删掉。

#删除数据一般放在后面进行，这里因为其他数据也是异常，所以可以先删掉

df.drop(df[df.league.isnull()].index,inplace=True)

再次查看数据情况

df.count()

每列数据量一致，不存在null值。

2.3、查看整体统计量情况，查看是否存在异常

df.describe()

此处的身价最小的为0，但工资为1000，因此存在数据失真情况。

df[df['eur_value']<100]

我们对身价小于100的数据进行查看，存在6行数据异常。

对此种情况可有三种处理方式：

1、由于异常数据量较少，可依次查询真实数据并重新赋值；

2、取整体平均值，对异常数据进行覆盖；

3、由于总体数据量大，可直接删除异常数据。

本案例中采取第二种方式处理

df['eur_value'].replace(0,df['eur_value'].mean(),inplace=True)

df[df['eur_value']<100]

用整体平均值对异常数据进行覆盖后，查看身价是否还存在小于100的

2.4、查看是否有重复数据

df[df['full_name'].duplicated()]

姓名重复的数据为102行，可随便抽取一条查看

df[df['full_name']=='Moussa Dembélé']

可以看到，虽姓名一致，但其他字段均不同，为重名但不同人的情况。

3、开始分析数据

3.1、整体数据量描述

df.count()

3.2、对常用统计量做简单描述

df.describe()

明确维度和指标：每一列、每几列可以作为一个维度；各种统计值为指标。

对于离散型的维度，一般使用groupby分组使用；对于连续型的维度，一般分区间。

3.3、离散型维度-国家维度的运动员数量

国家维度的运动员数，为离散型，使用groupby分组，并计算总和

df.groupby('nationality',as_index=False).count()

为方便后续数据使用，因此不需要用nationality设置索引，因此使用as_index=False

为方便查看，仅取国籍和数量两列，并根据球员数量进行排序

nationality_data = df.groupby('nationality',as_index=False).count()[['nationality','name']]

nationality_data.rename(columns={'name':'player_count'},inplace=True)

#按照player_count进行排序

nationality_data.sort_values('player_count',ascending=False)

3.4、连续型维度-选取年龄为例，以年龄为维度，以不同年龄段人数为指标

bins = np.arange(15,50,5)

bins_data = pd.cut(df['age'],bins)

bin_counts = df['age'].groupby(bins_data).count()

bin_counts

4、对分析结果进行可视化

bin_counts.plot(kind='pie')

原文链接:https://blog.csdn.net/m0_46511764/article/details/105324932