数据分析2-1

1. 打开文件：path=’E:/usagov_bitly_data2012-03-16-1331923249.txt’
2. open(path).readline():查看文件的第一行
3. Json模块：使Json字符串转换成Python字典对象：
import json
path = 'ch02/usagov_bitly_data2012-03-16-1331923249.txt'
records = [json.loads(line) for line in open(path)]
   因为文件中的内容为{…}{…}{…}所以每一个line就是一个{…}
4. 选出含有’tz’字段的时区：time_zones=[rec[‘tz’] for rec in records if ‘tz’ in rec]

5. DataFrame是pandas中最重要的数据结构，它用于将数据表示为一个表格：
   import pandas as pd; import numpy as np；import matplotlib.pyplot as plt
from pandas import DataFrame, Series
frame=DataFrame(records)
(此时，frame为一张表格，包含所有此段出现的统计次数)
   
   （其中’tz’字段出现3440次，因为‘tz’字段的值不唯一，有可能为America/New_York，也有可能为America/Denver ，所以显示为non-null values(不明确的值)）

6. 将前10名输出图表格式：先给记录中未知或缺失的时区填上一个替代值。fillna函数可以替换缺失值（NA），而未知值（空字符串）则可以通过布尔型数组索引加以替换
   clean_tz=frame['tz'].fillna('Missing')
clean_tz[clean_tz=='']='Unknown'
tz_counts=clean_tz.value_counts()
**tz_counts[:10].plot(kind='barh', rot=0)**

   此时plt.show()将tz_counts[:10].plot(kind=’barh’, rot=0)的输出转换为图表。
   

7. DataFrame输出一张完整的表格
   
   
   frame[‘tz’]输出完整表格中属于’tz’的那一部分
   
   所以下面代码整行都会改成unknown，就会影响统计结果，而不是像我们希望的像frame[‘tz’]那样只有属于‘tz’才会变成unknown。