《利⽤Python进⾏数据分析第⼆版》-第14章数据分析⽰例（实战）前⾯的章节已经讲解了数据分析的基本操作，
接下来就通过具体的简单分析例⼦来说明前⾯基本知识的应⽤
本章原作者⽰例数据采⽤的都是美国相关数据（因为作者是外国⼈），
我会从国内的⾓度，选取中国可以看到的或者到的公开数据进⾏分析
数据分析的主要步骤：
1、从⽹上获取公开数据（此处是PDF）
2、读取PDF中表格数据
3、多页数据连接
4、数据清洗和整理
5、数据聚合和分组
6、数据绘图与可视化
7、保存绘图
接下来进⾏详细的说明
1、从⽹上获取公开数据（此处是PDF）
此处选择的数据是“上海交通⼤学研究⽣院2018年考试及录取”统计数据，
数据地址：yzb.sjtu.edu/xxgs1/lssj/wnbklqtj.htm
数据下载后命名为“2018.pdf”，⽅便后续数据读取，pdf部分内容截图如下：
2、读取PDF格式表格数据
之前章节，我们有学习读取CSV、excel等格式的数据，但是没有学习pdf，遇到问题，不放弃，寻⽅法
从百度查询，可以了解到，通过pdfplumber这个包可以处理pdf数据，我们来安装这个包：
点击如下程序：
会出现命令符式的⿊框，通过pip命令来安装pdfplumber包，如下：
等待，直到安装完成，如果出现红字，提⽰没有安装成功，有“time out”英⽂字眼的话，⼤概率是国外软件包地址下载不稳定，那就通过国内镜像源下载国内镜像源有很多：
此处我们采⽤第⼀个，清华的镜像源为例：
⼀般这样就好安装成功，安装后，进⼊jupyter软件，可以导⼊测试⼀下，是否安装成功
如果没有提⽰，那就代表安装成功，可以读取pdf数据了
我们⾸先读取pdf第⼀页的表格数据，具体代码及读取结果如下：
python怎么读csv数据
我们读取第⼆页pdf数据表格内容，具体代码及结果如下：
其他页码的数据同样的读取逻辑，在此不再赘述，接下来采⽤已读取的这两页内容进⾏分析
3、多页数据连接
⾄此，我们已经有两页的数据，现在将两页的数据合并在⼀起，进⾏拼接，具体代码及运⾏结果如下：
4、数据清洗和整理
数据的清洗和整理，要看我们数据分析的⽬的
此处我们的⽬的：分析“电⼦信息与电⽓⼯程学院”各专业推免、报名、录取的情况
电⼦信息与电器⼯程学院的系所码是“030”，我们查看发现，该系所码没有，仔细核对发现，是读取数据的时候没有识别出来，如下：
我们修正系所码和系所名称，具体代码及结果如下：
我们为什么只修正⼀处，因为后⾯我们想对没有数据的地⽅，从上到下⾃动填充
现在对整个数据集中空⽩的地⽅，就近从上到下⾃动填充，代码及运⾏结果如下：
⾄此，从格式上看，我们发现⽐最初导⼊的数据更规整，更符合数据处理的要求了
因为数据处理涉及到不同的数据类型，所以，我们需要查看每列数据的类型，如下：
我们发现每列都是对象的类型，但是在处理数据的过程中，我们⽤到的都是整数或者浮点数，所以需要对不同的列进⾏数据转换数据转换主要⽤到astype⽅法，具体代码如下：
再来看下各列数据类型：
选择我们需要的数据，与“电⼦信息与电⽓⼯程学院”相关，通过系所码进⾏筛选，如下：

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。