《利用Python 进行数据分析 第二版》 -第14章 数据分析示例（实战）
前面的章节已经讲解了数据分析的基本操作，
接下来就通过具体的简单分析例子来说明前面基本知识的应用
本章原作者示例数据采用的都是美国相关数据（因为作者是外国人），
我会从国内的角度，选取中国可以看到的或者找到的公开数据进行分析
数据分析的主要步骤：
1、从网上获取公开数据（此处是PDF）
2、读取PDF中表格数据
3、多页数据连接
4、数据清洗和整理
5、数据聚合和分组
6、数据绘图与可视化
7、保存绘图
接下来进行详细的说明
1、从网上获取公开数据（此处是PDF）
此处选择的数据是“上海交通大学研究生院2018年考试及录取”统计数据，
数据地址：https://yzb.sjtu.edu.cn/xxgs1/lssj/wnbklqtj.htm
数据下载后命名为“2018.pdf”，方便后续数据读取，pdf部分内容截图如下：
2、读取PDF格式表格数据
之前章节，我们有学习读取CSV、excel等格式的数据，但是没有学习pdf，遇到问题，不放弃，寻找方法
从百度查询，可以了解到，通过pdfplumber这个包可以处理pdf数据，我们来安装这个包：
点击如下程序：
会出现命令符式的黑框，通过pip命令来安装pdfplumber包，如下：
等待，直到安装完成，如果出现红字，提示没有安装成功，有“time out”英文字眼的话，大概率是国外软件包地址下载不稳定，那就通过国内镜像源下载
国内镜像源有很多：
此处我们采用第一个，清华的镜像源为例：
一般这样就好安装成功，安装后，进入jupyter软件，可以导入测试一下，是否安装成功
如果没有提示，那就代表安装成功，可以读取pdf数据了
我们首先读取pdf第一页的表格数据，具体代码及读取结果如下：
我们读取第二页pdf数据表格内容，具体代码及结果如下：
其他页码的数据同样的读取逻辑，在此不再赘述，接下来采用已读取的这两页内容进行分析
3、多页数据连接
至此，我们已经有两页的数据，现在将两页的数据合并在一起，进行拼接，具体代码及运行结果如下：
4、数据清洗和整理
数据的清洗和整理，要看我们数据分析的目的
此处我们的目的：分析“电子信息与电气工程学院”各专业推免、报名、录取的情况
电子信息与电器工程学院的系所码是“030”，我们查看发现，该系所码没有，仔细核对发现，是读取数据的时候没有识别出来，如下：
我们修正系所码和系所名称，具体代码及结果如下：
我们为什么只修正一处，因为后面我们想对没有数据的地方，从上到下自动填充
现在对整个数据集中空白的地方，就近从上到下自动填充，代码及运行结果如下：
至此，从格式上看，我们发现比最初导入的数据更规整，更符合数据处理的要求了
因为数据处理涉及到不同的数据类型，所以，我们需要查看每列数据的类型，如下：
我们发现每列都是对象的类型，但是在处理数据的过程中，我们用到的都是整数或者浮点数，所以需要对不同的列进行数据转换
数据转换主要用到astype方法，具体代码如下：
再来看下各列数据类型：
选择我们需要的数据，与“电子信息与电气工程学院”相关，通过系所码进行筛选，如下：
和pdf数据比对，符合我们需要的数据
5、数据聚合和分组
接下来，我们想通过不同的专业，来看各自的数据，具体代码及运行结果如下：
此处提醒一点，就是如果存的专业名称一样数据不同的，会聚合在一起，保留唯一的专业名称
6、数据绘图与可视化
针对分组整理后的数据，我们进行绘图，这个数据适合柱状图，具体代码及运行结果如下：
针对上面的结果，我们发现几个问题：乱码、图表太小
针对这两个问题，我们修改代码进行调整，调整后代码及运行结果如下：
从图标看起来，基本符合我们的要求
7、保存绘图
针对上面绘制的图标进行保存，具体代码如下：
运行该代码后，会在同样的文件下看到多出来一个这样的文件：
找到文件夹的位置，打开该图片查看，如下：
看起来还是相对清晰的，得到了图片，就可以用在其他地方了，例如PPT资料等
以上，就是针对一个数据从获取-读取-整理-分析-绘图-保存的整个主要流程，其他还有很多细节，但是都离不开这个主要的流程进行
掌握了主要流程，其他的细节就是锦上添花，可以再不断地精进了
以上就是本章重点内容示例的说明，祝学习愉快
以下链接，可以供你了解这个系列学习笔记的所有章节最新进度
