簡書展示jupyter notebook的分布輸出結(jié)果有問題，需要看分步結(jié)果的可以到我的CSND博客
https://blog.csdn.net/Itachi_dream

#!/usr/bin/env python
# coding: utf-8

# TI=FIFA2018球員數(shù)據(jù)分析
# 明確分析目的
#   運動員數(shù)量前十名的國家，以及平均身價
#   各大聯(lián)賽運動員數(shù)量，以及球員平均身價
#   各俱樂部的平均周薪
#   英超聯(lián)賽English Premier League各個俱樂部球員的平均周薪
#   球員年齡分布情況，不同年齡段平均身價分布

# 引入使用的庫
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# 加載數(shù)據(jù)文件
df = pd.read_csv('./FIFA_2018_player.csv')

# 查看數(shù)據(jù)具有哪些列，什么類型
df.info()
# 可見共17994行，league和club有缺失值

df.head()

df.describe()

df.count()
# 可見league 和 club有缺失值

# 對于本次的分析目的，其實在加載數(shù)據(jù)時就可以只加載部分列
# 選出部分列 ID nationality league club age eur_value eur_wage
# 分析的是FIFA2018的數(shù)據(jù)，age按當年數(shù)據(jù)計算，birth_date省略
df = df[['ID', 'nationality', 'league', 'club', 'age', 'eur_value', 'eur_wage']]
df

df[df.league.isnull()]

# 可以看到聯(lián)賽、俱樂部是空值，同時這些條目的身價、周薪都是0
# 刪除數(shù)據(jù)一般在后面進行，但四行數(shù)據(jù)都異?？梢韵葎h除
df.drop(df[df.league.isnull()].index,inplace=True)

# 查看刪除后情況
df.count()

# 查看數(shù)據(jù)中數(shù)值、浮點型數(shù)據(jù)整體信息
df.describe()

# 經(jīng)查看，eur_value 在最小值上有問題，0.000000e+00
# 篩選一下數(shù)據(jù)，查看eur_value == 0.000000e+00的有多少
df[df['eur_value'] == 0.000000e+00].count()

# eur_value == 0.000000e+00的有6條
df[df['eur_value'] == 0.000000e+00]

# 使用平均值填充這些身價為0的數(shù)據(jù)
# df[df['eur_value'] == 0.000000e+00].loc[:,'eur_value'] = 2.404317e+06 警告

# 使用平均值填充這些身價為0的數(shù)據(jù)
df['eur_value'].replace(0, df['eur_value'].mean(), inplace = True)

df.describe()
# 可見數(shù)據(jù)已經(jīng)填充成功

# 檢查是否有整個條目完全重復(fù)值，若有則展示
df[df.duplicated()]

# 檢查指定列是否有重復(fù)值
df[df['ID'].duplicated()]

# 查看分類統(tǒng)計值是否有不合邏輯的類名
df['league'].value_counts()

# 數(shù)據(jù)清洗完畢，開始分析

# 樣本總數(shù)
df.count()

# 數(shù)值類型列統(tǒng)計學指標
df.describe()

# 運動員數(shù)量前十名的國家
nationality_data = df.groupby('nationality', as_index = False)  #拿出按國家分組的數(shù)據(jù)
nat_count = nationality_data.count()[['nationality','ID']]     #計數(shù),拿出國家和ID兩列
nat_count.rename(columns = {'ID':'ath_count'}, inplace = True) #對列名重命名
nat_head10 = nat_count.sort_values('ath_count', ascending = False).head(10)#降序排序，取前十
nat_head10

# 運動員數(shù)量前十名的國家及其平均球員身價
nat_val_mean = nationality_data[['nationality','eur_value']].mean()
nat_val_mean.rename(columns = {'eur_value':'val_mean'})
nat_head10_val_mean = pd.merge(nat_head10,nat_val_mean, on = 'nationality', how = 'left')
nat_head10_val_mean

# 各大聯(lián)賽運動員數(shù)量，以及球員平均身價(操作方式與上述方法類似)
league_data = df.groupby('league', as_index = False)
league_count = league_data.count()[['league','ID']].rename(columns = {'ID':'ath_count'})
league_count.rename(columns = {'ID':'ath_count'}).sort_values('ath_count', ascending = False)
lea_val_mean = league_data[['league','eur_value']].mean().rename(columns = {'eur_value':'val_mean'})
lea_val_mean = pd.merge(league_count, lea_val_mean, on = 'league', how = 'left')
lea_val_mean

# 各俱樂部的平均周薪
club_data = df.groupby('club', as_index = False)
club_wage_mean = club_data.mean()[['club','eur_wage']]
club_wage_mean.rename(columns = {'eur_wage':'wage_mean'},inplace = True)
club_wage_mean.sort_values('wage_mean', ascending = False, inplace = True)
club_wage_mean

# 英超聯(lián)賽English Premier League
EPL_data = df[df['league'] == 'English Premier League']
EPL_data.describe()

# 英超聯(lián)賽English Premier League各個俱樂部球員的平均周薪
EPL_club = EPL_data.groupby('club', as_index = False)
EPL_club_wage_mean = EPL_club.mean()[['club','eur_wage']]
EPL_club_wage_mean.rename(columns = {'eur_wage':'wage_mean'}, inplace = True)
EPL_club_wage_mean.sort_values('wage_mean', ascending = False, inplace = True)
EPL_club_wage_mean

# 球員年齡分布情況，不同年齡段平均身價分布
# ?成桶，5歲?個分桶，根據(jù)上述統(tǒng)計數(shù)據(jù)可知最?16歲，最?47
bins = np.arange(15, 50, 5)
bins_data = pd.cut(df['age'], bins)
bin_counts = df['age'].groupby(bins_data).count()
print(bin_counts)
# 可以使用matplotlib粗看一下作圖效果，以便在正式出圖前作調(diào)整
bin_counts.plot(kind='pie')