设为首页收藏本站
开启辅助访问

案例

 您所在的位置：网站首页 › 中国男篮历史十大球员身高数据分析 › 案例

案例

2024-07-17 06:47:40| 来源: 网络整理| 查看: 265

案例——中国篮球运动员的基本信息分析 分析目标

1、计算中国男篮、女篮运动员的平均身高与平均体重 2、分析中国篮球运动员的年龄分布 3、计算中国篮球运动员的体质指数

数据获取

先导入可能需要用到的包

import pandas as pd import numpy as np import matplotlib.pyplot as plt

读取数据源文件

df_left = pd.read_csv("配套资源/源代码/第6章/运动员信息采集01.csv", encoding="gbk") df_right = pd.read_excel("配套资源/源代码/第6章/运动员信息采集02.xlsx")

用外连接的方式合并数据

data_df = pd.merge(df_left, df_right, how="outer") data_df.head()

在这里插入图片描述 筛选出中国篮球运动员的信息

basketball_data = data_df[data_df['国籍'] == '中国'] basketball_data = basketball_data[basketball_data['项目'] == '篮球'] basketball_data.head()

在这里插入图片描述

数据清理 检测和处理重复值

检测重复值

basketball_data[basketball_data.duplicated().values == True]

在这里插入图片描述 处理重复值

basketball_data.drop_duplicates(ignore_index=True, inplace=True) basketball_data[basketball_data.duplicated().values == True]

在这里插入图片描述

检测和处理缺失值

检测缺失值

basketball_data[basketball_data.isna().values == True]

在这里插入图片描述 因为省份对分析目的无影响，这里只用处理身高和体重，但是因为男女有差异性，故先分男女两个表。 先处理男表 查看详细信息

male_data = basketball_data[basketball_data['性别'] == '男'] female_data = basketball_data[basketball_data['性别'] == '女'] male_data.info()

在这里插入图片描述

只有身高存在缺失值，查看身高数据

print(male_data['身高'].values)

在这里插入图片描述

除了空值，其他都是一样的单位xxx+‘厘米’ 开始处理空值，选择用平均值代替

male_heights = male_data['身高'].dropna() fill_male_height = male_heights.apply(lambda x: x[:-2]).astype(int).mean() fill_male_height = str(int(fill_male_height)) + '厘米' male_data.loc[:, '身高'] = male_data.loc[:, '身高'].fillna(fill_male_height) male_data.info()

在这里插入图片描述 男表缺失值处理完成。 开始查看女表信息

female_data.info()

在这里插入图片描述 忽略省份，还有身高和体重存在缺失值，先查看身高数据

print(female_data['身高'].values)

在这里插入图片描述

存在不一致的数据结构，所以需要先统一将数据变成xxx + “厘米”

data = {'191cm':'191厘米','1米89公分':'189厘米','2.01米':'201厘米', '187公分':'187厘米','1.97M':'197厘米','1.98米':'198厘米', '192cm':'192厘米'} female_data.loc[:, '身高'].replace(data, inplace=True) print(female_data['身高'].values)

在这里插入图片描述

继续处理缺失值，采用平均值来填充

female_heights = female_data['身高'].dropna() fill_female_height = female_heights.apply(lambda x: x[:-2]).astype(int).mean() fill_female_height = str(int(fill_female_height)) + '厘米' female_data.loc[:, '身高'] = female_data.loc[:, '身高'].fillna(fill_female_height) female_data.info()

身高的缺失值处理完成 在这里插入图片描述 开始处理体重缺失值，先查看数据

print(female_data['体重'].values)

在这里插入图片描述

发现一个明显的异常数值8kg，决定采用向前填充的方式替换

female_data['体重'].replace(to_replace='8kg', method='pad', inplace=True) print(female_data['体重'].values)

在这里插入图片描述

开始用平均值填充缺失值

female_weights = female_data['体重'].dropna() fill_female_weight = female_weights.apply(lambda x: x[:-2]).astype(int).mean() fill_female_weight = str(int(fill_female_weight)) + '厘米' female_data.loc[:, '体重'] = female_data.loc[:, '体重'].fillna(fill_female_weight) female_data.info()

在这里插入图片描述

检测和处理异常值

为了方便计算等操作，选择将身高和体重两列变为int类型，并重新命名列表

male_data['身高'] = male_data['身高'].apply(lambda x: x[:-2]).astype(int) male_data.rename(columns={'身高': '身高/cm'}, inplace=True) male_data['体重'] = male_data['体重'].apply(lambda x: x[:-2]).astype(int) male_data.rename(columns={'体重': '体重/kg'}, inplace=True) female_data['身高'] = female_data['身高'].apply(lambda x: x[:-2]).astype(int) female_data.rename(columns={'身高': '身高/cm'}, inplace=True) female_data['体重'] = female_data['体重'].apply(lambda x: x[:-2]).astype(int) female_data.rename(columns={'体重': '体重/kg'}, inplace=True) male_data.head()

在这里插入图片描述

female_data.head()

在这里插入图片描述 利用箱型图查看男表的身高和体重是否存在异常值

plt.rcParams['font.sans-serif'] = ['SimHei'] male_data.boxplot(column='身高/cm')

在这里插入图片描述 身高不存在异常值

plt.rcParams['font.sans-serif'] = ['SimHei'] male_data.boxplot(column='体重/kg')

在这里插入图片描述 体重也不存在异常值，说明男表数据正常 接下来查看女表数据

plt.rcParams['font.sans-serif'] = ['SimHei'] female_data.boxplot(column='身高/cm')

在这里插入图片描述 出现一个异常值，但经核实，是真实值 查看体重数据

plt.rcParams['font.sans-serif'] = ['SimHei'] female_data.boxplot(column='体重/kg')

在这里插入图片描述 经核实，这个离群点也属于非异常值 如果我们通过箱型图发现了异常值，可以使用下面的函数来找到这个异常值

def box_outliers(ser): new_ser = ser.sort_values() if new_ser.count() % 2 == 0: Q3 = new_ser[int(len(new_ser) / 2):].median() Q1 = new_ser[:int(len(new_ser) / 2)].median() elif new_ser.count() % 2 == 1: Q3 = new_ser[int((len(new_ser) + 1) / 2):].median() Q1 = new_ser[:int((len(new_ser) + 1) / 2)].median() IQR = round(Q3 - Q1, 1) rule = (ser round(Q3 + 1.5 * IQR, 1)) index = np.arange(ser.shape[0])[rule] outliers = ser.iloc[index] return outliers

除了通过箱型图，我们也可以通过3sigma原则来验证， 函数实现如下

def three_sigma(ser): # 计算平均数 mean_data = ser.mean() # 计算标准差 std_data = ser.std() # 根据数值小于μ-3σ或大于μ+3σ均为异常值 rule = (mean_data-3*std_data>ser) | (mean_data+3*std_data


【本文地址】

公司简介

联系我们

今日新闻

点击排行
实验室常用的仪器、试剂和
说到实验室常用到的东西，主要就分为仪器、试剂和耗
不用再找了，全球10大实验
01、赛默飞世尔科技（热电）Thermo Fisher Scientif
三代水柜的量产巅峰T-72坦
作者：寞寒最近，西边闹腾挺大，本来小寞以为忙完这
通风柜跟实验室通风系统有
说到通风柜跟实验室通风，不少人都纠结二者到底是不
集消毒杀菌、烘干收纳为一
厨房是家里细菌较多的地方，潮湿的环境、没有完全密
实验室设备之全钢实验台如
全钢实验台是实验室家具中较为重要的家具之一，很多

推荐新闻

    图片新闻
    实验室药品柜的特性有哪些
    实验室药品柜是实验室家具的重要组成部分之一，主要
    小学科学实验中有哪些教学
    计算机 计算器 一般 打孔器 打气筒 仪器车 显微镜
    实验室各种仪器原理动图讲
    1.紫外分光光谱UV分析原理：吸收紫外光能量，引起分
    高中化学常见仪器及实验装
    1、可加热仪器：2、计量仪器：（1）仪器A的名称：量
    微生物操作主要设备和器具
    今天盘点一下微生物操作主要设备和器具，别嫌我啰嗦
    浅谈通风柜使用基本常识
    　众所周知，通风柜功能中最主要的就是排气功能。在

    专题文章
      CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭