Python数据分析与处理运用分享
背景
目前数据分析已经深入到各个行业中，尤其以Python为工具的数据分析越来受到各个企业的青睐，随着大数据和人工智能技术的不断发展，Python受到了越来越高的重视，因此很多人选择了Python作为数据分析和处理的工具。
那么，下面我们就以在职场中常见的问题为例，基于Python进行数据分析与处理
1.字符串的拆分
对购药时间进行拆分，拆分出日期和星期只需要短短两行代码
也可以使用pandas中的字符串方法：
大家可以看到python非常轻松地完成了这样的工作。
Python可以使用不同的方法完成同样的任务，这就是Python强大的原因之一。
这个时候有同学就会问，excel不也能干这样的事情吗，那么下面我们再来看一个例子，把价格转换为数字
仅需要两行代码就将Price和Mileage转换为数字了：
这个时候可能还是没有真正体验到Python的强大之处，那么下面我们再来看一个例子，把计算一下每个表格里面总共有多少个承销商
我们看看Python如何一行代码实现。
好了下面我们再继续看一个例子，体验Python高效数据处理的一个能力。这个是今年新型冠状病毒的数据，需要将数据合并在一起.
有几十个csv文件，现在想把他们合并在一起，看看用python如何实现
仅仅用了0.1s就合并了所有数据
最后我们再看一个和数据分析相关的例子，在数据分析时，很多时候需要计算相关指标，以电商数据为主，计算每个用户的登录时间间隔
Idx为用户编号，LogInfo3为用户登录时间，现在计算每个用户的登录时间间隔
首先按照用户编号和登录时间进行排序
然后进行计算，计算每个用户的每次登陆时间距离上次登录时间的间隔
对于每个用户，最早登陆时间距离上次是缺失的。可以用0来填补
df[‘间隔’].fillna()
最后我们再看一个征信相关数据，计算每个客户的未结清贷款笔数，一个用户对应一个report_id(报告编号),一个客户可能会有多笔贷款。
计算逻辑为贷款状态为[正常,逾期,呆账]的贷款笔数，按照每个report_id分类汇总。就可以汇总出每个客户的未结清贷款笔数
通过以上案例，大家应该可以体验到Python的强大之处了吧，Python功能非常多，这个地方就不一一列举了。原始的数据有时候非常的乱，这个时候需要用Python对其进行处理，而pandas库又提供了非常强大的数据处理手段，能帮助我们运用简单的代码实现复杂的功能。
想学这门课的话可以加扣：