零基礎(chǔ)小白如何使用Python分析調(diào)查數(shù)據(jù)

　　進(jìn)行調(diào)查和民意調(diào)查是收集數(shù)據(jù)和深入了解諸如客戶為何離開(kāi)我們網(wǎng)站等問(wèn)題的最佳方法之一。還是為什么選民會(huì)吸引這位候選人?但是分析調(diào)查數(shù)據(jù)可能是一個(gè)真正的挑戰(zhàn)!
 

　　在本教程中，我們將逐步介紹如何使用Python分析調(diào)查數(shù)據(jù)。但是不用擔(dān)心-即使您以前從未編寫(xiě)過(guò)代碼，也可以處理!我們將逐步進(jìn)行它，到本教程結(jié)束時(shí)，您將看到如何僅用幾行代碼就能釋放出相當(dāng)不錯(cuò)的分析能力!
 

　　出于本文的目的，我們將分析StackOverflow的2019年開(kāi)發(fā)人員調(diào)查數(shù)據(jù)，因?yàn)檫@是一個(gè)公開(kāi)的，經(jīng)過(guò)適當(dāng)匿名的大型調(diào)查數(shù)據(jù)集。但是這些技術(shù)將適用于幾乎所有類型的調(diào)查數(shù)據(jù)。
 

　　大多數(shù)調(diào)查數(shù)據(jù)的格式與我們?cè)诖颂幨褂玫母袷筋愃疲弘娮颖砀?，其中每一行包含一個(gè)人的答案，而每一列包含特定問(wèn)題的所有答案。這是我們的數(shù)據(jù)集的一個(gè)片段;您的外觀可能相似。

　　現(xiàn)在，讓我們深入分析這些數(shù)據(jù)!我們將從幾個(gè)快速步驟開(kāi)始，以進(jìn)行分析。
 

　　步驟1：以CSV檔案的形式取得問(wèn)卷調(diào)查回應(yīng)
 

　　要使用代碼分析調(diào)查數(shù)據(jù)，我們需要以.csv文件的形式獲取它。如果您想使用與我們相同的數(shù)據(jù)集來(lái)完成本教程，則可以在此處獲取2019 StackOverflow開(kāi)發(fā)人員調(diào)查結(jié)果數(shù)據(jù)，該數(shù)據(jù)已經(jīng)作為CSV文件(在文件內(nèi)部.zip)準(zhǔn)備好了。
 

　　如果您想開(kāi)始使用自己的數(shù)據(jù)，請(qǐng)按照以下方式以CSV格式獲取數(shù)據(jù)：
 

　　a.如果您運(yùn)行在線調(diào)查，則可能可以直接從所使用的調(diào)查服務(wù)下載CSV。Typeform和許多其他在線調(diào)查工具將使您能夠下載包含所有調(diào)查回復(fù)的CSV，這使事情變得輕松而簡(jiǎn)單。

　　b.如果您使用Google表格進(jìn)行調(diào)查，那么您的數(shù)據(jù)將以在線Google表格的形式提供。在Google表格界面中，點(diǎn)擊File > Download，然后選擇Comma-separated values (.csv, current sheet)以CSV格式下載數(shù)據(jù)。

　　c.如果您以其他方式收集了數(shù)據(jù)，但是以電子表格格式保存了數(shù)據(jù)，則可以從Excel或幾乎所有其他電子表格程序中將電子表格保存為CSV文件。在Excel中，您需要導(dǎo)航到File > Save As。在Save as type:字段中，選擇CSV (Comma delimited) (*.csv)，然后單擊“保存”。在其他電子表格軟件中，過(guò)程應(yīng)非常相似。
 

　　在繼續(xù)之前，您可能想使用電子表格軟件打開(kāi)CSV文件并查看格式。如果看起來(lái)像我們之前看過(guò)的代碼片段，那么分析將是最簡(jiǎn)單的：電子表格第一行中的問(wèn)題，隨后每一行中的受訪者回答。例如，如果您的數(shù)據(jù)頂部有一些額外的行，則最好在繼續(xù)操作之前刪除這些行，以使數(shù)據(jù)集中的第一行是您的調(diào)查問(wèn)題，隨后的每一行都是一個(gè)受訪者的答案。
 

　　步驟2：設(shè)置您的編碼環(huán)境
 

　　(如果您已經(jīng)安裝了Anaconda并且熟悉Jupyter Notebook，則可以跳過(guò)此步驟。)
 

　　下一步是設(shè)置一個(gè)名為Jupyter Notebooks的工具。Jupyter筆記本電腦是一種流行的數(shù)據(jù)分析工具，因?yàn)樗鼈冊(cè)O(shè)置迅速且使用非常方便。我們已經(jīng)編寫(xiě)了深入的Jupyter Notebooks教程，其中有很多詳細(xì)信息，但是我們將在此處介紹啟動(dòng)和運(yùn)行所需的內(nèi)容。
 

　　首先，訪問(wèn)Anaconda網(wǎng)站。稍微向下滾動(dòng)，選擇計(jì)算機(jī)的操作系統(tǒng)，然后單擊Download以獲取Python 3.7版本。

　　下載文件后，將其打開(kāi)，然后按照提示在您選擇的位置將其安裝到計(jì)算機(jī)上。如果您不確定需要什么，則默認(rèn)選項(xiàng)會(huì)很好。
 

　　安裝完成后，打開(kāi)Anaconda Navigator應(yīng)用程序。您可以在剛安裝Anaconda的任何目錄中找到此文件，也可以通過(guò)在計(jì)算機(jī)上搜索“ Anaconda”來(lái)找到它。應(yīng)用程序打開(kāi)時(shí)，您可能會(huì)看到幾個(gè)屏幕閃爍，然后您將看到以下內(nèi)容：
 

　　單擊該中心選項(xiàng)Jupyter Notebook下的“啟動(dòng)”。這將在您的Web瀏覽器中打開(kāi)一個(gè)新標(biāo)簽。從那里，單擊右上角的“新建”，然后在下拉菜單的“筆記本”下，單擊“ Python 3”。

　　快點(diǎn)!您已經(jīng)打開(kāi)了一個(gè)新的Jupyter筆記本，我們準(zhǔn)備開(kāi)始編寫(xiě)一些代碼!
 

　　第3步：將調(diào)查數(shù)據(jù)導(dǎo)入Python
 

　　我們編寫(xiě)的前兩行代碼將使我們能夠?qū)?shù)據(jù)集放入Python和Jupyter Notebook中，以便我們可以開(kāi)始使用它。
 

　　我們將從導(dǎo)入名為的Python庫(kù)開(kāi)始pandas，并對(duì)其進(jìn)行昵稱，pd以便我們可以在代碼中輕松引用它。為此，我們將使用語(yǔ)法import pandas as pd。此代碼告訴Python導(dǎo)入pandas庫(kù)，然后告訴我們?cè)谑褂米帜笗r(shí)pd，我們希望它引用該pandas庫(kù)。
 

　　Python庫(kù)有點(diǎn)像瀏覽器插件。它們添加了額外的功能，因此我們可以使用Python做更多的事情。Pandas是一個(gè)非常流行的數(shù)據(jù)分析庫(kù)，它將使我們的分析工作更加輕松。
 

　　使用“昵稱” pd不是強(qiáng)制性的，但這是熊貓用戶常見(jiàn)的約定，因此習(xí)慣使用它會(huì)更容易閱讀其他人的代碼。
 

　　導(dǎo)入熊貓后，我們需要閱讀CSV來(lái)創(chuàng)建所謂的熊貓DataFrame。DataFrame只是我們可以使用熊貓?zhí)幚淼臄?shù)據(jù)表。稍后，我們將在視覺(jué)上看到DataFrame的外觀，但是要將數(shù)據(jù)導(dǎo)入Python和熊貓，我們需要做兩件事：
 

　　1)閱讀我們下載的CSV文件，我們可以使用名為pandas的函數(shù)來(lái)完成此操作 .read_csv()

　　2)將CSV數(shù)據(jù)分配給變量，以便我們可以輕松地引用它
 

　　函數(shù)是對(duì)輸入執(zhí)行操作的代碼位。在這種情況下，我們將輸入CSV文件的文件名，然后.read_csv()函數(shù)將自動(dòng)為我們將其解析為pandas DataFrame。
 

　　您可以將Python中的變量想像成書(shū)名。書(shū)名使參考書(shū)變得容易-我們可以說(shuō)“殺死一只知更鳥(niǎo)”，人們就會(huì)知道我們?cè)谡f(shuō)什么，因此我們不必背誦整本書(shū)。變量的工作原理類似。它們就像是簡(jiǎn)短的標(biāo)題，我們可以用來(lái)將更大量的信息(例如我們要分析的調(diào)查數(shù)據(jù))引薦給Python，而不必重述所有這些信息。
 

　　但是，我們確實(shí)必須告訴Python我們第一次使用變量時(shí)在說(shuō)什么。我們將變量名稱df(DataFrame的縮寫(xiě))用于調(diào)查數(shù)據(jù)。
 

　　因此，我們將用于讀取數(shù)據(jù)集的代碼如下所示：df = pd.read_csv('survey_results_public.csv')。這是該代碼從左到右告訴Python的內(nèi)容：
 

　　1)df =告訴Python我們正在創(chuàng)建一個(gè)名為的新變量df，當(dāng)您看到時(shí)df，請(qǐng)參考以下信息：

　　2)pd 告訴Python查看我們之前導(dǎo)入的pandas庫(kù)。

　　3).read_csv('survey_results_public.csv')告訴Python使用函數(shù).read_csv()讀取文件survey_results_public.csv。
 

　　請(qǐng)注意，如果CSV文件未與正在使用的Jupyter Notebook存儲(chǔ)在同一文件夾中，則需要指定數(shù)據(jù)集的文件路徑。保存時(shí)間會(huì)有所不同，但是可能看起來(lái)像這樣：df = pd.read_csv('C://Users/Username/Documents/Filename.csv')。
 

　　這就足夠了。通過(guò)在Jupyter Notebook的第一個(gè)單元格中鍵入以下代碼來(lái)運(yùn)行代碼，然后單擊“ 運(yùn)行”按鈕：
 

　　但是等等，什么也沒(méi)發(fā)生!那是因?yàn)槲覀儗?shí)際上并沒(méi)有告訴Python給我們?nèi)魏涡问降捻憫?yīng)。我們的代碼實(shí)際起作用了嗎?
 

　　為了進(jìn)行檢查，讓我們使用另一個(gè)名為的熊貓方法.head()。這將向我們展示DataFrame的前幾行。我們可以通過(guò)在括號(hào)之間放置一個(gè)數(shù)字來(lái)指定要查看的行數(shù)，或者我們可以簡(jiǎn)單地將其保留不變，它將顯示前五行。
 

　　不過(guò)，我們確實(shí)需要告訴.head()我們要看什么DataFrame，因此我們將使用語(yǔ)法df.head()。該df通知的Python我們想看看該數(shù)據(jù)幀，我們只是用我們的CSV數(shù)據(jù)所做的.告訴Python我們要做的東西的數(shù)據(jù)幀，然后head()告訴Python的是什么，我們想做的事：顯示前五行。

　　有我們的DataFrame!看起來(lái)很像電子表格，對(duì)吧?我們可以看到一些答案看起來(lái)被截?cái)嗔?，但是不用?dān)心，數(shù)據(jù)并沒(méi)有丟失，只是沒(méi)有直觀地顯示出來(lái)。
 

　　我們可能還會(huì)注意到此數(shù)據(jù)中還有其他一些奇怪的事情，例如NaN在某些行中的外觀。稍后我們將對(duì)此進(jìn)行處理，但是首先，讓我們使用另一個(gè)稱為pandas的功能.shape來(lái)仔細(xì)查看我們的數(shù)據(jù)集，以賦予我們數(shù)據(jù)集的大小。

　　這說(shuō)明我們的數(shù)據(jù)集中有88,883行和85列。這些數(shù)字應(yīng)與調(diào)查中被調(diào)查者(行)和問(wèn)題(列)的數(shù)量完全對(duì)應(yīng)。如果這樣做的話，這意味著我們所有的調(diào)查數(shù)據(jù)現(xiàn)在都存儲(chǔ)在該DataFrame中，可以進(jìn)行分析了。
 

　　步驟4：分析多項(xiàng)選擇調(diào)查問(wèn)題
 

　　你如何繼續(xù)進(jìn)行分析，從這里真的是你的，并與85題，有噸不同的東西，我們可以用這個(gè)數(shù)據(jù)做。但是，讓我們從簡(jiǎn)單的問(wèn)題開(kāi)始：是或否的問(wèn)題。
 

　　(注意：要弄清楚某些列名在StackOverflow數(shù)據(jù)中的含義可能很困難，但是數(shù)據(jù)集下載隨附一個(gè)隨附的模式文件，其中包含每個(gè)問(wèn)題的全文，因此您可能需要不時(shí)引用它有時(shí)間將列名與受訪者實(shí)際看到的問(wèn)題進(jìn)行匹配。)
 

　　該調(diào)查中比較獨(dú)特的是或否問(wèn)題之一是：“您認(rèn)為今天出生的人的生活會(huì)比父母更好嗎?”
 

　　看到樂(lè)觀的StackOverflow社區(qū)對(duì)未來(lái)的感覺(jué)可能會(huì)很有趣!我們可以使用名為的方便的熊貓函數(shù)來(lái)做到這一點(diǎn)value_counts()。
 

　　該value_counts()函數(shù)一次查看一列數(shù)據(jù)，并計(jì)算該列包含的每個(gè)唯一條目的實(shí)例數(shù)。(在熊貓語(yǔ)中，單列稱為“系列”，因此您可能會(huì)將此功能稱為Series.value_counts()。)
 

　　要使用它，我們需要做的就是告訴Python我們要查看的特定Series(又稱專欄)，然后告訴它執(zhí)行.value_counts()。我們可以通過(guò)寫(xiě)數(shù)據(jù)框的名稱來(lái)指定特定的列，然后在方括號(hào)內(nèi)寫(xiě)該列的名稱，如下所示：df['BetterLife']。
 

　　(就像我們的列表一樣，由于'BetterLife'是字符串而不是數(shù)字或變量名，因此我們需要將其放在撇號(hào)或引號(hào)中，以防止Python引起混淆)。
 

　　讓我們運(yùn)行該代碼，看看我們得到了什么!

　　真好!現(xiàn)在我們知道，在我們的數(shù)據(jù)集中的88883位受訪者中，有54938位認(rèn)為未來(lái)前景一片光明。
 

　　不過(guò)，將其表示為響應(yīng)總數(shù)的百分比可能會(huì)更有用。值得慶幸的是，我們可以通過(guò)在value_counts()括號(hào)內(nèi)添加一個(gè)輸入來(lái)做到這一點(diǎn)。函數(shù)輸入在編程中稱為自變量，可以使用它們將信息傳遞給影響其輸出內(nèi)容的函數(shù)。
 

　　在這種情況下，我們將傳遞一個(gè)看起來(lái)像這樣的參數(shù)：normalize=True。該大熊貓文檔大約有一些這方面的細(xì)節(jié)，但長(zhǎng)話短說(shuō)：value_counts將承擔(dān)我們希望normalize是False，如果我們不把任何東西里面的功能，因此將返回原始計(jì)數(shù)為每個(gè)值。
 

　　但是，如果設(shè)置normalize為True，它將通過(guò)將它們表示為我們指定的pandas系列中總行數(shù)的百分比來(lái)“標(biāo)準(zhǔn)化”計(jì)數(shù)。

　　現(xiàn)在我們可以看到大約64%的開(kāi)發(fā)人員認(rèn)為今天出生的孩子的生活會(huì)越來(lái)越好，大約36%的開(kāi)發(fā)人員認(rèn)為今天的孩子生活質(zhì)量相近或較差。
 

　　讓我們?cè)诹硪粋€(gè)有趣的是/否問(wèn)題上嘗試相同的事情：“您是否認(rèn)為需要成為經(jīng)理才能賺更多的錢?” 許多硅谷公司聲稱，管理不是獲得財(cái)務(wù)成功的唯一途徑，但開(kāi)發(fā)商是否會(huì)購(gòu)買?

　　顯然，大多數(shù)開(kāi)發(fā)人員都沒(méi)有購(gòu)買它。實(shí)際上，只有不到30%的人相信他們無(wú)需進(jìn)入管理就能賺更多的錢!
 

　　我們還可以看到，盡管這是一個(gè)是/否問(wèn)題，但是StackOverflow包含了第三個(gè)響應(yīng)選項(xiàng)(“不確定”)，我們的代碼仍然以相同的方式工作。value_counts()將適用于任何選擇題。
 

　　步驟5：繪制多項(xiàng)選擇答案
 

　　查看數(shù)字可能會(huì)很有啟發(fā)性，但人類是視覺(jué)生物。幸運(yùn)的是，對(duì)于我們來(lái)說(shuō)，直觀地繪制這些問(wèn)題的答案非常簡(jiǎn)單!
 

　　由于我們是在Jupyter Notebook中編寫(xiě)代碼的，因此我們將從Jupyter的魔力開(kāi)始：

　　此代碼不是我們分析的一部分，它只是一條指令，告訴Jupyter Notebook在我們正在使用的筆記本中內(nèi)嵌顯示圖表。
 

　　運(yùn)行完之后，我們所要做的就是在代碼末尾添加一個(gè)小片段.plot(kind='bar')。這告訴Python接受我們剛剛提供的內(nèi)容，然后將結(jié)果繪制在條形圖中。(如果需要，我們可以替換'bar'為'pie'以獲得餅圖)。
 

　　讓我們嘗試一下有關(guān)開(kāi)發(fā)人員偏愛(ài)的社交媒體網(wǎng)站的多項(xiàng)選擇問(wèn)題：

　　那已經(jīng)很酷了，但是我們可以通過(guò)向該.plot()函數(shù)添加更多參數(shù)來(lái)使它看起來(lái)更快。具體來(lái)說(shuō)，讓我們添加兩個(gè)：
 

　　a.稱為參數(shù)的參數(shù)figsize，以英寸為單位的寬度和高度定義圖表的大小(即(15,7)

　　b.稱為的參數(shù)color定義了條形的顏色。
 

　　讓我們使用Dataquest的綠色#61D199：

　　我們可以使用此圖表做更多的工作，但是就我們?cè)谶@里的目的而言，這已經(jīng)足夠了-我們只是在快速可視化之后!
 

　　步驟6：分析調(diào)查數(shù)據(jù)的子集
 

　　當(dāng)然，與打印簡(jiǎn)單的結(jié)果計(jì)數(shù)相比，我們通常會(huì)想做得更多!根據(jù)我們?cè)O(shè)置的幾乎任何條件，我們可以使用Python和熊貓輕松地選擇和分析非常細(xì)粒度的數(shù)據(jù)子集。
 

　　例如，我們較早時(shí)看到，基于StackOverflow用戶對(duì)'BetterLife'我們所分析問(wèn)題的回答，他們占少數(shù)，但相當(dāng)少數(shù)的人期望世界變得更糟。例如，與更樂(lè)觀的開(kāi)發(fā)人員相比，此用戶子集可能年齡更大或更年輕嗎?
 

　　我們可以使用所謂的布爾值對(duì)我們的數(shù)據(jù)進(jìn)行排序，并僅顯示對(duì)該問(wèn)題回答“是”或“否”的人的回答。
 

　　我們將通過(guò)指定要查看的DataFrame和Series(即列)來(lái)創(chuàng)建布爾值，然后使用條件運(yùn)算符僅過(guò)濾該Series中滿足特定條件的響應(yīng)。
 

　　這次，讓我們先運(yùn)行代碼，然后再仔細(xì)看看它在做什么：

　　為確認(rèn)此方法是否有效，我們可以使用來(lái)檢查該數(shù)據(jù)集的大小.shape，然后said_no使用我們的老朋友將行數(shù)與對(duì)該問(wèn)題回答“否”的人數(shù)進(jìn)行比較.value_counts()。

　　我們可以看到我們的新數(shù)據(jù)框有31,331行，對(duì)更好的生活問(wèn)題回答“否”的人數(shù)相同。我們可以通過(guò)value_counts()在此新數(shù)據(jù)幀上快速運(yùn)行來(lái)進(jìn)一步確認(rèn)過(guò)濾器是否有效：

　　完善。好的，讓我們回頭看一下這段代碼：
 

　　這里發(fā)生了什么事?從左到右：
 

　　1)said_no = 告訴Python創(chuàng)建一個(gè)名為said_no的新變量，并使其等于等號(hào)右側(cè)的任何內(nèi)容。
 

　　2)df告訴Python使它said_no等效于dfDataFrame(我們的原始數(shù)據(jù)集)，但是……
 

　　3)[df['BetterLife'] == 'No']告訴Python 僅包含df其中'BetterLife'列的答案等于的行'No'。
 

　　注意這里的雙等號(hào)。在Python中，當(dāng)我們要分配值時(shí)，即使用單個(gè)等號(hào)a = 1。我們使用雙等號(hào)檢查等價(jià)性，Python實(shí)際返回的是True或False。在這種情況下，我們告訴Python來(lái)，其中只有返回行df['BetterLife'] == 'No'的回報(bào)True。
 

　　現(xiàn)在，我們有了一個(gè)僅包含“否”答復(fù)者的數(shù)據(jù)框，讓我們?yōu)?ldquo;是”人們創(chuàng)建一個(gè)等效的答復(fù)者，然后進(jìn)行一些比較。
 

　　現(xiàn)在，讓我們看看通過(guò)將這些群體與人們?nèi)绾位卮鹩嘘P(guān)其年齡的問(wèn)題進(jìn)行比較，可以確定什么。該問(wèn)題的答案是整數(shù)，因此我們可以對(duì)它們執(zhí)行數(shù)學(xué)運(yùn)算。我們可以進(jìn)行的一項(xiàng)快速檢查是，對(duì)更好的生活問(wèn)題說(shuō)“是”與“否”的人的平均年齡或中位數(shù)年齡是否存在顯著差異。
 

　　我們將在此代碼中使用幾個(gè)新技巧：.mean()和.median()函數(shù)，它們將分別自動(dòng)計(jì)算一列數(shù)值數(shù)據(jù)的平均值和中位數(shù)。我們還將把我們的計(jì)算結(jié)果包含在一個(gè)print()命令中，以便同時(shí)打印所有四個(gè)數(shù)字。

　　正如我們?cè)谶@里看到的那樣，悲觀主義者的年齡往往稍大一些，但幅度不大?？纯刺囟挲g段的人如何回答這個(gè)問(wèn)題以及是否有所不同可能會(huì)很有趣。如果悲觀主義者傾向于年齡稍大一些，例如，我們是否會(huì)看到50歲以上和25歲以下的開(kāi)發(fā)人員的答案之間存在顯著差異?
 

　　我們可以使用我們一直在使用的布爾運(yùn)算來(lái)找出答案，但是==我們將使用>=，<=因?yàn)槲覀円^(guò)濾掉'Age'50歲以上或25歲以下的受訪者，而不是使用它來(lái)檢查條件。

　　有趣!看起來(lái)最老的開(kāi)發(fā)人員確實(shí)非常悲觀，其中一半以上的人說(shuō)今天出生的孩子的生活不會(huì)比父母更好。另一方面，年輕開(kāi)發(fā)者似乎比平均水平更為樂(lè)觀。
 

　　但是，值得檢查一下我們實(shí)際上要處理的樣本有多大。我們可以使用len()函數(shù)快速完成此操作，該函數(shù)將計(jì)算DataFrame的列表或行中的項(xiàng)目數(shù)。

　　與總數(shù)據(jù)量相比，這兩個(gè)組都沒(méi)有很大，但是兩者都足夠大，足以代表真正的分裂。
 

　　步驟7：過(guò)濾更具體的子集
 

　　到目前為止，我們一直在一次使用布爾值過(guò)濾數(shù)據(jù)，以查看以特定方式回答特定問(wèn)題的人員。但是我們實(shí)際上可以將布爾值鏈接在一起，以非?？焖俚剡^(guò)濾到非常細(xì)粒度的級(jí)別。
 

　　要做到這一點(diǎn)，我們將使用一對(duì)大熊貓的布爾運(yùn)算符，&和&~。
 

　　&如我們所料，允許我們將兩個(gè)布爾值串在一起，并且True僅在兩個(gè)條件都為真時(shí)才返回。因此，在我們的上下文中，如果要通過(guò)過(guò)濾原始DataFrame中的行來(lái)創(chuàng)建新的DataFrame，則&在兩個(gè)布爾值之間使用將允許我們僅添加同時(shí)滿足兩個(gè)條件的行。
 

　　我們可以認(rèn)為&~是“不是”。如果我們&~在兩個(gè)布爾值之間使用，則僅當(dāng)?shù)谝粋€(gè)布爾值求值為，True而第二個(gè)布爾值為時(shí)，它才返回一行False。
 

　　在語(yǔ)法方面，使用單個(gè)布爾值的唯一變化是，當(dāng)我們將多個(gè)布爾值串在一起時(shí)，需要將每個(gè)布爾值括在括號(hào)中，因此基本格式如下所示： df[(Boolean 1) & (Boolean 2)]
 

　　讓我們通過(guò)篩選對(duì)更好的生活問(wèn)題回答“是”并且居住在印度的人們來(lái)進(jìn)行嘗試：

　　我們可以通過(guò)快速檢查我們篩選出的答案的值計(jì)數(shù)來(lái)確認(rèn)此功能是否按預(yù)期工作：
 

　　如我們所見(jiàn)，我們的新DataFrame 僅filtered_1包含印度人，他們對(duì)未來(lái)給出了樂(lè)觀的答案。
 

　　剛才，我們結(jié)合了兩個(gè)布爾值。但是我們可以串在一起的數(shù)目沒(méi)有限制，所以讓我們嘗試更復(fù)雜的下鉆。我們將僅過(guò)濾以下人員：
 

　　a.對(duì)美好生活的問(wèn)題回答“是”

　　b.超過(guò)50歲

　　c.住在印度

　　d.不要編碼為愛(ài)好

　　e.至少偶爾為開(kāi)源項(xiàng)目做貢獻(xiàn)
 

　　開(kāi)始了：

　　現(xiàn)在，我們開(kāi)始看到使用編程來(lái)分析調(diào)查數(shù)據(jù)的真正力量!從超過(guò)了88,000響應(yīng)的初始數(shù)據(jù)集，我們找到了一個(gè)非常五個(gè)人的特定受眾!
 

　　嘗試使用電子表格軟件快速篩選出如此特定的受眾非常困難，但是在這里，我們僅用一行代碼構(gòu)建并運(yùn)行了篩選器。
 

　　步驟8：分析多答案調(diào)查問(wèn)題
 

　　在分析調(diào)查數(shù)據(jù)的背景下，我們可能需要做的另一件事是處理多答案問(wèn)題。例如，在此調(diào)查中，受訪者被問(wèn)及他們使用哪種編程語(yǔ)言，并指示他們選擇盡可能多的答案。
 

　　不同的調(diào)查對(duì)這些問(wèn)題的答案可能會(huì)有所不同。有時(shí)，每個(gè)答案可能在單獨(dú)的列中，或者所有受訪者的答案都可以存儲(chǔ)在單個(gè)列中，每個(gè)答案之間使用某種分隔符。因此，我們的首要任務(wù)是查看相關(guān)列，以了解在此特定調(diào)查中如何記錄答案。

　　在本次調(diào)查中，我們可以看到受訪者的答案被存儲(chǔ)在一個(gè)單獨(dú)的列中，;用作分隔符。
 

　　由于在本教程中我們正在使用Python，因此讓我們開(kāi)始分析調(diào)查數(shù)據(jù)以了解有多少開(kāi)發(fā)人員正在使用Python。
 

　　一種方法是查看Python此列中包含該字符串的行數(shù)。Pandas有一個(gè)內(nèi)置方法，可通過(guò)一系列稱為的方法來(lái)實(shí)現(xiàn)Series.str.contains。這將查看系列中的每一行(在本例中為我們的LanguageWorkedWith列)，并確定該行是否包含我們作為參數(shù)提供的任何字符串。如果該行確實(shí)包含該字符串參數(shù)，則將返回True，否則將返回False。
 

　　知道了這一點(diǎn)，我們可以快速找出有多少受訪者在使用的語(yǔ)言中包含Python。我們將告訴Python我們要查看的系列(df["LanguageWorkedWith"])，然后將str.contains()其與參數(shù)一起使用Python。這將給我們一個(gè)布爾序列，然后我們要做的就是使用來(lái)計(jì)數(shù)“ True”響應(yīng)的數(shù)量value_counts()。
 

　　再一次，我們可以使用該參數(shù)normalize=True以百分比形式查看結(jié)果，而不是查看原始計(jì)數(shù)。

　　這是獲得我們答案的一種快捷方法(幾乎所有開(kāi)發(fā)人員中有42%使用Python!)。但是通常，我們可能希望能夠細(xì)分本專欄中的答案，以進(jìn)行更深入的分析。
 

　　舉例來(lái)說(shuō)，我們想弄清楚提及每種語(yǔ)言的頻率。要使用上面的代碼來(lái)完成此操作，我們需要知道每個(gè)可能的響應(yīng)，然后針對(duì)每個(gè)可能的答案運(yùn)行類似于以上代碼的內(nèi)容。
 

　　在某些情況下，這可能是可行的，但如果有大量潛在答案(例如，如果允許受訪者選擇“其他”選項(xiàng)并填寫(xiě)自己的選擇)，則該方法可能不可行。相反，我們需要使用我們之前找到的定界符將每個(gè)答案分開(kāi)。
 

　　就像我們Series.str.contains以前看過(guò)pandas系列中的字符串是否包含子字符串一樣，我們可以Series.string.split基于定界分隔該系列中的每一行，并將其作為參數(shù)傳遞給該函數(shù)。在這種情況下，我們知道定界符為;，因此我們可以使用.str.split(';')。
 

　　我們也將增加一個(gè)額外的參數(shù)，expand=True以str.split()。通過(guò)將每種語(yǔ)言設(shè)置為自己的列(每行仍代表一個(gè)受訪者)，這將從我們的系列中創(chuàng)建一個(gè)新的數(shù)據(jù)框。您可以在此處閱讀有關(guān)其工作原理的更多信息。
 

　　讓我們?cè)谠?#39;LanguageWorkedWith'列上運(yùn)行該代碼，并將結(jié)果存儲(chǔ)為名為的新熊貓系列l(wèi)ang_lists。

　　如我們所見(jiàn)，字符串拆分有效。現(xiàn)在，我們系列中的每一行都是新數(shù)據(jù)框中的一行，并且每種語(yǔ)言都已從其他語(yǔ)言拆分為唯一的列。
 

　　但是我們想弄清楚每種語(yǔ)言被提及過(guò)多少次，我們還沒(méi)有完成。value_counts()在這里無(wú)濟(jì)于事-我們只能在pandas系列上使用它，而不能在DataFrame上使用它。
 

　　為了能夠看到每種語(yǔ)言被提及的總次數(shù)，我們需要做更多的工作。我們可以采用多種方法來(lái)解決此問(wèn)題，但這是一種：
 

　　a.使用df.stack()堆棧該數(shù)據(jù)幀，把每個(gè)列，然后互相使頂部堆疊它們每一個(gè)在數(shù)據(jù)幀的數(shù)據(jù)點(diǎn)出現(xiàn)在一個(gè)單一的熊貓系列。

　　b.value_counts()在這個(gè)新的“堆疊式”系列上 使用，可以得出提到每種語(yǔ)言的總次數(shù)。
 

　　這有點(diǎn)復(fù)雜，所以讓我們先用一個(gè)簡(jiǎn)單的示例進(jìn)行嘗試，以便我們可以直觀地觀察正在發(fā)生的事情。我們將從與十分相似的DataFame開(kāi)始lang_lists，但它要短得多，以便更容易理解。
 

　　這是我們的DataFrame(由于這不是我們真實(shí)數(shù)據(jù)集的一部分，因此您可能不想嘗試與此代碼一起編寫(xiě)代碼，只需閱讀此頁(yè)上的代碼并嘗試了解正在發(fā)生的事情)：

　　首先，我們將使用.stack()該數(shù)據(jù)幀進(jìn)行分割，然后將各列彼此堆疊。請(qǐng)注意，發(fā)生這種情況時(shí)，將自動(dòng)刪除插入到上述數(shù)據(jù)框中的空值。

　　這是發(fā)生的事情的動(dòng)畫(huà)視圖：

　　現(xiàn)在，我們已經(jīng)將每個(gè)答案堆疊到一個(gè)系列中，可以value_counts()用來(lái)計(jì)算總數(shù)：

　　那就是我們需要的原始計(jì)數(shù)!請(qǐng)注意，normalize=True此處無(wú)法使用基于百分比的讀數(shù)，因?yàn)樵撚?jì)算基于序列的長(zhǎng)度，該序列有9行，而我們的原始數(shù)據(jù)集只有3個(gè)響應(yīng)。
 

　　現(xiàn)在，我們知道如何執(zhí)行此操作，讓我們使用已經(jīng)創(chuàng)建的系列在真實(shí)數(shù)據(jù)集上嘗試相同的操作lang_lists。
 

　　這就是我們正在尋找的信息!現(xiàn)在，讓我們通過(guò)使用與之前使用的相同繪圖方法直觀地繪制此信息的圖表，最后對(duì)我們的分析項(xiàng)目進(jìn)行潤(rùn)色。

　　分析調(diào)查數(shù)據(jù)：后續(xù)步驟
 

　　在本教程中，我們介紹了一些使用Python分析調(diào)查數(shù)據(jù)的基本方法。盡管閱讀了很長(zhǎng)時(shí)間，但如果回頭看，您會(huì)發(fā)現(xiàn)我們實(shí)際上只使用了幾行代碼。一旦掌握了這些要點(diǎn)，進(jìn)行這種分析實(shí)際上非?？?
 

　　當(dāng)然，我們只是在這里刮了一下表面。您還可以做更多的事情，尤其是對(duì)于如此龐大的數(shù)據(jù)集。如果您正在尋找挑戰(zhàn)，可以嘗試回答以下問(wèn)題。
 

　　a.如果您根據(jù)以上數(shù)據(jù)計(jì)算出的百分比除以調(diào)查受訪者總數(shù)(88,883)，您會(huì)發(fā)現(xiàn)它們與StackOverflow報(bào)告的數(shù)字并不完全相同。這是因?yàn)樯贁?shù)受訪者沒(méi)有回答語(yǔ)言問(wèn)題。您如何找到并計(jì)算這些受訪者，以找到列出每種語(yǔ)言的受訪者的確切百分比?

　　b.上面的結(jié)果為我們提供了在所有接受調(diào)查的開(kāi)發(fā)人員中使用最流行的語(yǔ)言，但是此調(diào)查的另一個(gè)問(wèn)題確定了不同類型的角色，包括數(shù)據(jù)科學(xué)家，數(shù)據(jù)分析師等。您是否可以創(chuàng)建一個(gè)圖表來(lái)顯示最受歡迎的語(yǔ)言數(shù)據(jù)專業(yè)人員之間?