图书馆数据预处理：
1、由于表的字段都是中文，为了后续处理的方便性，首先将表的字段全部重命名为英文。 2、对于索书号而言，图书的类型主要由索书号的首字母来决定，因此这里将对索书号进行字符串分割，只保留索书号的首字符。 3、分组获取不同学生借书数量的多少，便于对学生借书行为进行分析。
字段重命名：
df = pd.read_csv('data.csv') print df.head() # ----------------- # 字段重命名，重命名为英文名 # ----------------- df.columns = ['', 'read_num', 'read_name', 'read_sex', 'book', 'book_id', 'read_unit', 'read_class'] # 重命名 print df.head()划分索书号：
import pandas as pd """ 划分索书号，获取索书号前两位，分组，获取每个学生的借书数量 """ pf = pd.read_csv('data_english.csv', encoding='gbk') print pf.head() print '---------------------------------' """ 获取书目索引号的首位 """ book_id = pf.pop('book_id') # 使用pop()函数获取这一列，由于这一列需要修改，所以需要进行删除 # book_id = pf['book_id'].copy() book_id = book_id.str[:1] print book_id print type(book_id) print '----------------------------------' """ 重新插入书目列 """ pf.insert(5, 'book_id', book_id) print pf.head() print '----------------------------------'分组统计借书数量：
""" 插入一列num全为1 """ pf['num'] = 1 print pf.head() print '----------------------------------' # for row in len(book_id): # print """ 按学号分组操作 """ book = pf[['read_num', 'num']].copy() print book # book_counts = book.groupby('read_num').aggregate(sum) book_counts = book.groupby('read_num').agg('sum') # print book_counts # 获得每个学生借书数量的多少 book_counts = book_counts.reset_index() # 索引转换为列表 print book_counts print '----------------------------------' data = pd.merge(pf, book_counts, on=['read_num'], how='left') # pandas csv表左连接 # print data对业务上的数据分析，也是首次开始学习，如果分析的不对，也请提点一下，想法很重要，所以这也是基于自己现有的想法进行分析处理，在这个数据分析的流程上，在业务逻辑上，有任何建议都希望给予提点，谢谢！
