python基于pandas数据分析实例——FIFA球员数据简单分析

　　最近在学习数据分析，这也是python比较热门的一个方向，结合爬虫能分析许多东西，数据是在kaggle上找到的，上面很多实用性很强的数据，每个数据也有国外大佬做的分析实例，可以借鉴

　　kaggle

　　本文的分析有两部分：一、运动员的年龄分布。二、运动员能力与薪资的分布关系

　　！！！本文所有代码都是在python交互模式jupyter下完成的，只是不会用CSDN写入=.=！！！

　　这个例子用到的库很简单，但这两个库也是用处很大的库

　　读取文件后用head()方法可以查看csv文件的前5行，包括索引、标头等信息

　　这种很大的数据集很容易有缺失值，所以在进行数据判断之前，一定要判断是否有缺失值，会对分析结果造成影响，如图出现了True证明数据是有缺失的

　　判断有缺失值之后有两种解决方案，删去缺失值或者用另一个数值补充，这里选择对结果影响较小的填充数据，填充之后再用info()判断是否填充成功，并且可以看到每一列值的类型

　　第一个例子就是运动员的年龄分布，先将划分后的等级组成一列并入csv文件中，这里也可以再次保存一个新的csv文件方便调用

　　用value_counts()方法可以知道在每个年龄段的人数，然后绘制饼图，显示每个部分所占百分比

　　可见运动员在20-30之间是状态最好的年龄段

　　第二个例子是利用散点图了解运动员能力和薪资的关系

　　先通过索引将需要的两列值调出来再生成一个新的dataframe

　　再调用出来之后会发现一个问题，再Value里有欧元的符号还有K，因为要看两者的分布关系，所以两者必须都要为数字类型，所以我们用replace()方法将两个符号去掉

　　可是再去掉符号之后，Value里的值还是为object类型，还没有达到我们需要的，接下来我们要用astype强制转化一下类型

　　应该还记得再前面我们再处理缺失值的时候填充了零，但是在只在这两列数据之间是将零删去更好的，所以删去含有零的每一行

　　这样散点图的数据也清洗完成，下面就进行绘制散点图，要先将两列值转换为列表，作为散点图的数据

　　什么都不知道，但那两个孤立的点一定是梅西和C罗

　　python菜鸟=。=请多见谅~