Рубрика: Анализ данных

В качестве источника данных используется — https://www.kaggle.com/carrie1/ecommerce-data. Для начала подключается Pandas и вычитывается файл: Теперь нужно найти пустые данные в датасете: Обратите внимание, что есть пустые значения в CustomerID. К сожалению метод groupby игнорирует NaN, поэтому давайте заполним его отрицательными значениями, чтобы сохранить числовой тип данных: И сразу конвертируем дату в дату питона (если pandas будет… Читать далее Pandas отчет о продажах

Данные функции нужны для исследовательского анализа (EDA), чтобы быстро изучить ваш датафрейм, а уже потом выполнять более сложные задачи. 1. Для любого датафрейма функция .info () покажет сколько у вас записей, имена каждого столбца, тип данных каждого столбца и количество ненулевых значений в каждом столбце. Вы можете сравнить количество ненулевых значений с общим количеством записей,… Читать далее Pandas 7 функций для быстрого исследования датафрейма

Есть файл с данными — https://github.com/Yorko/mlcourse.ai/blob/main/data/adult.data.csv Задача добавить новую колонку «is-german» и заполнить ее признаком  False, если в колонке «native-country» стоит признак Germany добавить новую колонку «age-group» (Возрастная группа, и запонить ее даннными исходя из того, сколько лет указано в строке Решение — их может быть несколько. Для того, чтобы выполнить задачи, смотрите на команды ниже. 1.… Читать далее Pandas. Заполнить столбец с помощью условия (обновлено)

Есть файл с данными — https://github.com/Yorko/mlcourse.ai/blob/main/data/adult.data.csv Задача — узнать доля граждан Германии (Germany), признак «native-country» Решение — необходимо отфильтровать данные, отвечающие определенному условию (содержание определенного слова в определенном столбце) и посчитать долю отфильтрованных данных в общей массе данных (то есть посчитать долю отфильтрованного кол-ва строк в общем кол-ве строк). Для того, чтобы отфильтровать данные я воспользовался следующими командами.… Читать далее Pandas как посчитать долю