案例 | 5步掌握Python数据分析挖掘基础应用

许许多多的人都非常容易爱上Python这门语言。自从1991年诞生以来，Python现在已经成为最受欢迎的动态编程语言之一，尤其进入21世纪以来，Python在行业应用和学术研究中进行科学计算的势头也越来越迅猛。 ——《Python for Data Analysis》（Wes Mckinney）

Python不仅在编程方面有强大的实力，而且由于不断改进的第三方库，Python在数据处理方面也越来越突出；近年来，非常火爆的机器学习(Machine Learning)以及前沿的自然语言处理(Natural Language Processing)也选择Python作为基础工具。所以要想在数据科学领域有所进步的话，了解学习Python看来还是有所必要的。

本文通过简单案例，分享Python在数据处理方面的实际应用，属于基础学习范畴，希望刚刚接触Python学习的新手们能通过应用去解决实际问题从而巩固掌握Python操作，在这里与大家相互学习，也希望大神们轻拍：）

Without further ado，lets get started！

本文使用Python2.7版本，操作在集成开发坏境Spyder中进行；选择的数据集，是大名鼎鼎的鸢尾花数据集iris.csv，数据集网上公开请自行下载！

1.数据集截图如下图1：

图1.iris数据集截图

该数据集包含数据有150行*5列。前4列分别是：花萼的长度、宽度，花瓣的长度、宽度；最后一列是花的分类，总共分3类。

2.读入数据，如下图2：

图2.读入数据代码截图

输出结果如下图3：

图3.读取数据结果显示

Python通过pandas库，读入数据，注意读取时文件路径的填写，需用“\\”或者“/”符号。同时，Python面向对象编程，shape及head函数建立在iris数据框对象之上，这与R语言不同，R语言更加“函数化”，dim及head等函数都是内置函数。

3.描述性统计结果，如下图4：

图4.面属性统计代码&结果

本结果操作代码仅有一行#print iris.csv.describe().T#，就不再单独截图列出了。从输出结果中可以看到每列数据的平均值等统计数值，较简单不多说。

4.聚类分析，如下图5：

图5.聚类分析代码

输出结果，如下图6：

图6.聚类分析结果

在Python中利用sklearn库中的cluster.Kmeans对irisFeatures进行聚类分析，并输出分类结果。

5.决策树模型，如下图7：

图7.决策树模型代码

输出结果如下图8：

图8.决策树模型结果

利用CART算法对iris数据集建立模型，并预测结果，同时输出训练集测试集的预测正确率。相关说明及代码含义均在代码中已注释。

最后：因为网上教程给出完整数据、代码及结果的资料不多，所以把自己的浅薄经验分享给大家希望对您有帮助，感兴趣的童鞋赶快去码代码吧：）