數(shù)據(jù)分析案例：利?pandas清洗數(shù)據(jù)假如你有?份數(shù)據(jù)，有淘寶店鋪的?些基本數(shù)據(jù)，?如店鋪名稱、發(fā)貨地址、付款?數(shù)、評論數(shù)、商品價格、商品名稱。由于爬取的數(shù)據(jù)較亂不能直接?于數(shù)據(jù)分析，所以要先進(jìn)?數(shù)據(jù)清洗。數(shù)據(jù)如下?概如下：（關(guān)于如何爬取可以參考前?博?）加載數(shù)據(jù)importpandasaspdpro_data=pd.read_csv("taobaoproducts.csv",header=0)pro_data數(shù)據(jù)清洗：地址列爬取的地址列是省+城市名，當(dāng)然還有北京這種直轄市，這?我們要把城市和省份分開，分成兩列，對于北京則讓城市和省份都顯?為北京。defget_province(x):iflen(x)==2:returnx+"市"else:pro_list=x.split()returnpro_list[0]+"省"defget_city(x):iflen(x)==2:returnx+"市"else:pro_list=x.split()returnpro_list[1]+"市"pro_data["省份"]=pro_data["地址"].map(get_province)pro_data["城市"]=pro_data["地址"].map(get_city)pro_data.head()#這?還可以將函數(shù)寫成三元表達(dá)式defget_province(x):returnx.split()[0]+"省"iflen(x)>2elsex+"市"pro_data["省份"]=pro_data["地址"].map(get_province)pro_data數(shù)據(jù)清洗：付款?數(shù)這?只需要付款?數(shù)的數(shù)字，要把?字刪除掉。#第?種?法?str接?和正則表達(dá)式pro_data["付款?數(shù)"]=pro_data["付款?數(shù)"].str.findall("\d+").str[0]#第?種直接利?str接?pro_data["付款?數(shù)"]=pro_data["付款?數(shù)"].str[:-3]數(shù)據(jù)清洗：評論數(shù)這?的評論數(shù)是?數(shù)，并且評論數(shù)會有缺失值，我們將它改為整型并填補(bǔ)缺失值。pro_data["評論數(shù)"]=pro_data["評論數(shù)"].fillna(0)pro_data["評論數(shù)"]=pro_data["評論數(shù)"].astype("int")pro_data最后可以做?些基礎(chǔ)的數(shù)據(jù)分析，?如分省份計(jì)算銷售量等,銷售量的前五名：turn_over=pro_data.groupby("省份")["付款?數(shù)"].agg([("銷售量","sum")])turn_over.sort_val