Python数据科学实践 | 简单读写数据

关注我，让我成为你的专属小太阳吧

前言：在前5期推文中我们讲述了如何搭建基于Python的数据科学环境。现万事俱备，只欠代码！众所周知，狗熊会中政委带领大家完成过很多关于火锅吃货的案例，政委可谓是狗熊会的“火锅英雄”。本系列推文的众多部分仍然以火锅团购数据为分析案例，来阐述如何利用Python进行数据科学实践。那么，现在就请大家开始基于数据科学实践的火锅团购分析之旅。本次推文是由程茜与政委共同推出。

提起冬天，大家会想起什么？是银装素裹的景色，亲友相聚的团圆？还是春节假期难得的闲暇？对于吃货如我来说，冬天是最好的季节。冬天里炖的酥烂的羊肉汤，捧在手里香甜诱人的烤红薯，炒栗子，浇着爽辣汤汁的烤鱼等等。冬天吃得多还有一个绝妙的理由：积蓄热量，抵御寒冷（义！正！言！辞！）。冬天里，最不能落下的美食之一，就是本章（也是后续多个章节）要介绍的主题——火锅。火锅，作为一种历史悠久、老少皆宜的美食，全国盛行。冬天和三五好友相约打边炉，才是初冬应有的味道。  

如果你是吃货，你是否调研过火锅有多少种呢？你最喜欢吃的是哪一种火锅呢？是以麻、辣为主的川系火锅？还是鲜美清淡的粤系火锅？是传统京味铜炉火锅？又或者是汤汁浓郁的滇味腊排骨火锅？

火锅不仅美味，还带来了巨大的产业。根据《2018中国火锅产业餐饮大数据研究报告》显示， 我国火锅餐饮市场从2014年至今，年增长率均在10%以上，这就导致越来越多的人投身火锅行业。从数据来看，14年至今，全国新增的火锅店面仍然多于关闭的火锅店面，火锅行业仍然在扩张之中。这一现象的直接结果就是本行业出于完全竞争的状态下，各个店家竞争十分激烈。

数据分析第一步，干什么？肯定是“读数据”。如果数据都读不进来，也就无法知道数据到底是什么样子，怎么能去分析数据呢。所以，咱们先把火锅团购数据数据读进来，看看火锅团购数据到底都包含了哪些信息。

在数据读入之前，工作路径的设置尤为重要，就像我要想吃火锅，要知道地址一样。这个叫“Python”的人，要去找到“数据”这个火锅，这是后面我们能做一系列研究的基础。所以，先来介绍设置工作路径的方法。

import os
os.getcwd() ## 查看现在的工作目录
os.chdir('XXXXX') ##此处请将路径换成自己电脑中数据的存放位置
os.getcwd() ## 重新查看

例1-1

这里os是python的标准库，import可理解为加载，这样就加载了os库。os.getcwd()查看现在的工作目录。其结果会显示当前的工作目录。不同的数据科学项目应该都存储于不同目录，所以这时候就需要我们根据数据文件的位置来设置自己的工作目录。命令os.chdir就是将工作目录更改成自己数据存放的位置的函数。最后当你设置完以后最好再利用os.getcwd()检查一下路径是否设置成功即可。

 围绕着“火锅团购”会有来自团购、评论和店铺这三方面的数据。因此本书会主要使用三个后缀是.xlsx的文件。首先，comment_nm.xlsx这个数据集里记录了团购活动的评论数据。它包含用户对该活动评论的时间、内容、评分以及消费的门店等信息；其次，coupon_nm.xlsx这个数据集里记录了团购活动内容的数据。从这个数据集中可以了解到每个团购活动的举办的地址、店铺、团购内容、价位、团购的购买人数以及评价人数等信息；最后，shops_nm.xlsx这个数据集中记录了店铺的数据。从这个数据集可以更加详细的了解到每家门店的所在城市、具体地址、大众对它的评分、菜品以及该店铺的人均消费等数据。这三张数据表的信息整合后共同记录了每个团购活动的团购信息、大众对该活动的评价以及该团购活动举行的店铺数据。

数据介绍清楚了以后，接下来面临的问题是如何读入这些xlsx、csv等格式的数据呢。这里大家先“不求甚解”，记住会用一种叫做Pandas的Python模块中的函数读取。而对于Pandas的具体内容会在后面的章节有详细讲解。

import pandas as pd  #导入Pandas模块
coupon=pd.read_excel("https://github.com/xiangyuchang/xiangyuchang.github.io/blob/master/BearData/coupon_nm.xlsx?raw=true") #读入数据
coupon.head() #查看数据的前5行

例2-1

图2-1

从这份数据可以观察到每个团购举行的店铺，内容介绍，购买人数，评价人数，价格，地址等信息。如果coupo是csv文件，也可很方便的读入。注意这里的编码方式是'gbk'。

import pandas as pd
coupon_nm=pd.read_csv("https://github.com/xiangyuchang/xiangyuchang.github.io/blob/master/BearData/coupon_nm.csv?raw=true",encoding='gbk')
coupon_nm.head()

例2-2

图2-2

虽然火锅数据是读进来了，但是这些都是后缀是xlsx或者csv的数据文件。这时候有的读者会说其他存储类型的数据如何读取呢？下面来介绍Python中对于txt文件的读写，常常用的内置函数。

Open是Python中的内置函数，其正确的使用逻辑是：打开文件；读取文件内容；关闭文件。注意：文件使用完毕之后一般需要关闭。因为文件对象会占用系统资源，并且操作系统在同一时间内能够打开的文件数量有限。Open函数使用的基本语法为： 

 f = open(, )

其中，打开模式用于控制使用何种方式打开文件。Open函数提供了7种基本的打开模式，如下表。

表 3-1

下面利用Open函数新建一个名为food的txt文件，然后写入所需要的内容。 

# 打开一个文件
f = open("food.txt", "w")
# 在文件中写入两行话
f.write("西安火锅真棒。\n我喜欢西安的火锅!!\n")
# 关闭打开的文件
f.close()

例3-1

这样就会在工作目录下发现有一个food.txt文件，并且利用了f.write函数在新建的food.txt文件中写入了两行话，分别是“西安火锅真棒”，“我喜欢西安的火锅!!”。如图3-1：

图3-1

最后利用f.close把文件关闭。在这个过程中，读者需要注意如果food文件在目录中存在了，这个时候如果我们还以“w”的模式打开，那么原来文件中的内容会被清空。Python还有很多文件读取的方法，这里就先不一一赘述了。等到需要用的时候将会仔细讲解。