FIFA2018球员数据分析---使用python进行数据分析的基本步骤

1.明确数据分析的目的：了解FIFA2018球员整体情况

2.获得数据（一般来源于公司或网络等）

3.数据清洗（选用不同的工具，可使用excel,python,R,mysql等，本次分析使用python语言进行清洗和分析，使用的工具为jupyter notebook）

4.选择不同的维度对数据进行分析

import numpy as np import pandas as pd import matplotlib.pyplot as pltdf=pd.read_csv('./FIFA_2018_player.csv')#数据的总体描述df.describe()

#计算每列的行数，可以看出有没有null值df.count()

ID 17994name17994full_name  17994nationality17994league 17741club17741age17994birth_date 17994height_cm  17994weight_kg  17994eur_value  17994eur_wage17994dtype: int64

#获取league为null的数据df[df['league'].isnull()]#删除league为null的数据df.drop(df[df.league.isnull()].index,inplace=True)

#使用平均值填充df['eur_value'].replace(0,df['eur_value'].mean(),inplace=True)

#分析的维度和指标(平均数，最大数，最小数......)#维度：从数据选出一列或多列作为一个维度，例如国家，国家 俱乐部  离散型 和 连续型的 #离散型的维度 按照groupby 进行计算指标nationality_data=df.groupby('nationality',as_index=False).count()[['nationality','name']]nationality_data.rename(columns={'name':'player_count'},inplace=True)#按照运动员数量排名nationality_sorted_data=nationality_data.sort_values('player_count',ascending=False)#运动员数量大于100的国家列表nationality_sorted_data[nationality_sorted_data['player_count']>100]

#连续型的维度统计指标 年龄 bins=np.arange(15,50,5)#使用cut将age归为具体的组bins_data=pd.cut(df['age'],bins)#然后按照归好的组将数据进行分组，统计每组的数据bins_count=df['age'].groupby(bins_data).count()bins_count#画直方图#plt.hist(df['age'],bins)

 

#各大联赛运动员数量league_data=df.groupby('league',as_index=False).count()[['league','ID']].sort_values('ID',ascending=False)league_data.rename(columns={'ID':'player_count'},inplace=True)league_data