python_data_analysis_and_mining_action-master-7

# -*- coding: utf-8 -*-
import pandas as pd
from sklearn.cluster import KMeans
"""
programmer_1-->關於原始數據的一些特征描述並保存為新表，使用describe函數
programmer_2-->對原始數據進行清理，對其中某些數據做運算，並進行保存
programmer_3-->標准化數據並進行保存
programmer_4-->使用KMeans對數據進行聚類分析
"""
def programmer_1():
datafile = 'data/air_data.csv'
resultfile = 'tmp/explore.xls'
data = pd.read_csv(datafile, encoding='utf-8')
# 包括對數據的基本描述，percentiles參數是指定計算多少的分位數表（如1/4分位數、中位數等）；T是轉置，轉置後更方便查閱
explore = data.describe(percentiles=[], include='all').T
# describe()函數自動計算非空值數，需要手動計算空值數
explore['null'] = len(data) - explore['count']
explore = explore[['null', 'max', 'min']]
explore.columns = [u'空值數', u'最大值', u'最小值']
'''這裡只選取部分探索結果。