数据分析肯定需要数据,这个数据一般都是来自实际学习工作业务中的,比如学校的学生成绩,淘宝京东的销售数据,视频网站不同种类的视频播放点击量等。
自己练习的话,除了可以去一些公开的数据网站下载一些数据外,也可以自己随机生成一些数据,下面就来自己生成随机500名学生成绩,为之后后面数据分析使用做准备。
整个数据一共有6个类型,分别是["姓名","班级","性别","语文","数学","英语"]。姓名需要500个不同的名字,班级一个5个,分数从1-100。
这么多名字肯定不能自己手打,先到百度找到百家姓,刚好100个,作为我们的第一个名字。
接下来把这些名字分成一个个字符,这个直接利用字符索引就可以,但是这个字符串里面有空格,还有一些隐藏的符号,需要提前处理一下,用到字符串的替换就可以搞定。
打印长度发现有126个字符,里面有换行符,空格,还有一个好像是中文的空格,管它啥,直接替换成空值,就相当于删除了。
使用replace进行替换删除操作,打印长度100,26个多余的都删除了。
接下来在创建第一个名字,这里就简单的用"一二三四五"表示,循环拼接,生成500个名字。
如果想要打乱顺序的话,利用random.sample就可以了。
名字到这里就搞定了。
学生有姓名,班级,性别,三科分数,这里全部利用循环生成,每个学生数据存为一个列表,一个是500个数据,最后添加到data里面,打印20组查看符合要求。
写入数据比较简单,利用pandas库直接创建一个DataFrame二维数据结构,利用to_Excel将整个数据写入文件,这里的index=False是为了不把自动索引写入。
本地生成一个文件,打开查看。
利用read_excel读取之前的数据文件,打印查看数据的基本情况。
自己生成一个数据文件就到这了,数据来源一般除了自己生成,下载公开的数据文件,还有就是自己去网上爬取网站的数据了。