Learn Code With Mike

日常的資料分析工作中，有非常多的資料集需要處理，並且各資料集的結構與關係都不盡相同，這時候在利用Pandas套件來合併相關的資料集進行分析時，就可能發生不如預期的資料錯誤。 而Pandas套件常用的merge()及concat()合併資料方法(Method)，也提供了資料驗證的機制，本文就來和大家分享其中的應用方式，避免在合併資料後，產生問題而影響分析結果。重點包含：

在海量的數據中，如果沒有進一步的探索與分析，往往無法看出其中所傳達的訊息， 而使用Pandas套件的Pivot Table樞紐分析表，就能夠將欄位資料透過交叉比對的方式，進行群組、匯總及統計，幫助資料分析人員快速解讀資料。 本文就以 Kaggle網站的2017年Stack Overflow開發者調查資料集(survey_results_public.csv) 為例，帶大家瞭解Pandas套件的 Pivot Table樞紐分析表使用方式，包含：

從各種管道蒐集資料的過程中，因為資料來源的不同，其中使用的「單位」或「格式」就可能有所不同，像是幣別、重量、日期或容量等，當進行資料合併或整合時，如果沒注意就會發生資料「單位」或「格式」不一致的問題。 而這會影響分析及預測的結果，所以，本文利用3個範例，讓大家學會使用Pandas套件進行「單位」或「格式」的統一，包含：

如果有在實作資料分析或機器學習的朋友就會知道，為了要群組或分類相似的資料，會使用標籤、代號或數字等類別資料(Categorical Data)進行分群。像是影像辨識，將相近的圖片使用特定的標籤來代表，提升分析或訓練模型的效率。 但是當資料量非常龐大時，就可能因為人為輸入或解析有誤，導致類別資料(Categorical Data)產生不一致的問題。所以，本文以 Kaggle網站的銀行直銷資料集(bank-direct-marketing-campaigns.csv) 為例，來聊聊如何利用Pandas套件來進行清理。重點包含：

當遇到一個商業問題或假設，要從各個管道蒐集資料來解決問題時，像是檔案、網頁及公開資料庫等，而在進行資料整合的過程中， 如果處理流程不夠完善，就有機會產生重複的資料 誤導分析的結果 。 本文以 Kaggle網站的Amazon 2009-2019年Top50暢銷書資料集(bestsellers with categories.csv) 為例，教大家如何查找及清理資料集的重複資料，提升資料的品質。重點包含：

在大量的數據中，有時為了精準分析特定群組的資料，通常都會依需求定義所要分析的資料範圍，像是評價、日期及年齡區間等 。 而在蒐集資料或人為處理資料的過程中，就有可能發生資料超出所要分析的範圍錯誤，導致分析結果出現異常。本文將以 Kaggle網站的Kindle Store電子書店評論資料集(kindle_reviews.csv) 為例 ，來和大家分享 如何利用Pandas套件來處理 以下兩種類型的資料範圍錯誤：

想要實作資料分析，讀取資料是第一步所要執行的動作，而如果沒有正確的進行資料前處理(Data Preprocessing)，就會影響最後分析結果的準確性及可靠性。 其中，最常見的基本資料問題，包含「資料型態」、 「資料範圍」及 「重複資料」， 本文就先針對 「資料型態」， 來和大家分享如何有效找出髒資料(Dirty Data)，並且利用Pandas套件來進行資料處理或清理，避免髒資料(Dirty Data)導致分析的副作用 ：

在市面上眾多的Python網頁爬蟲工具中，如果想要開發大型的網頁爬蟲專案，這時候都會使用Scrapy框架，擁有完整的爬取、儲存及效率等功能。而Scrapy框架如何克服網站的反爬蟲機制呢? 看完這篇文章，你將學會在Scrapy框架中，利用以下三個常見的實用方法，降低反爬蟲網站的偵測風險：

現在市面上，為了增加Python網頁爬蟲爬取資料的困難度，都會使用反爬蟲機制，像是登入、驗證碼及JavaScript動態產生內容等，而Scrapy框架沒有JavaScript Engine(引擎)，所以，通常都會結合Selenium或Splash套件來爬取這些動態網頁。 本文就以 Accupass網站 的精選活動為例，來分享Scrapy框架整合Selenium套件，開發Python網頁爬蟲的流程，包含：

Python網頁爬蟲是現在非常受歡迎的資料蒐集方式之一，而在定期爬取的過程中，非常有機會因為網頁架構或樣式的改變，導致Python網頁爬蟲發生錯誤中斷。所以，本文提供以下6個檢查點，只要在開發時特別留意，將會讓Python網頁爬蟲較為穩定及有效率。包含：

利用Python網頁爬蟲爬取網頁資料已經是常見的資料蒐集方法之一，但是在爬取的過程中，難免擔心會不會被網站偵測或封鎖，繼 [Python爬蟲教學]有效利用Python網頁爬蟲爬取免費的Proxy IP清單 文章之後，看完本篇文章，你將學會如何在Python網頁爬蟲專案，透過隨機使用不同的Proxy IP發送請求，降低被偵測或封鎖的機率。實作步驟包含 ：

Photo by Cytonn Photography on Unsplash 在開發網頁爬蟲的過程中，是不是會擔心被偵測或封鎖，而爬不到所需的資料呢? 有些大型網站為了保護網頁上的資料不被大量的爬取，會特別偵測像Python網頁爬蟲這種非人工的自動化請求，這時候 Python網頁爬蟲 使用相同的IP來發送請求就很容易被發現。 所以，如果有多組IP能夠讓Python網頁爬蟲在發送請求時輪流使用，就能夠大幅降低被偵測的風險。 而現在有許多網站上也有提供免費的Proxy IP，本文就以 Free Proxy List 網站為例，透過Python網頁爬蟲來蒐集上面的Proxy IP，製作我們的IP清單。實作步驟包含：

Photo by Mad Fish Digital on Unsplash 當單一資料集過於龐大，想要拆分為不同的檔案，或 在實作機器學習時，需要將資料集分為測試及訓練資料等，這時候就有機會把單一CSV檔案中的資料，依據特定條件拆分成多個CSV檔案。 而使用Pandas套件來進行資料分析，就能夠很輕鬆的解決以上任務，本文就以Kaggle網站的「 Coursera Course Dataset( coursea_data.csv ) 」 資料集為例，基於其中的課程難易度等級欄位(course_difficulty)，來分別拆分多個CSV檔案，實作步驟 包含：

Photo by Elena Kloppenburg on Unsplash 使用Pandas套件處理多份CSV檔案資料，相信是資料分析的過程中不可或缺的任務之一，其中，很常有機會比較各個資料集的相同與不相同資料內容，藉此來瞭解差異或檢核資料整合的結果是否有誤。 所以，本文就以Kaggle網站的「 Coursera Course Dataset( coursea_data.csv ) 」及 「 Course Reviews on Coursera(Coursera_courses.csv) 」 兩個 資料集為例，來分享3個Pandas套件比較CSV檔案資料集的 常用 方法，包含：

Photo by Helena Lopes on Unsplash 在進行網頁資料分析的過程中，除了網頁資訊外，有時也會有檔案資料，供使用者下載使用，像是股市相關的網站，就會有各種不同的財務報表下載，這時候， 就可以結合Python網頁爬蟲的特性，來自動化下載檔案資料， 協助股市資料 的 分析實作。 本文就以 證券交易所 的 個股日成交資訊 及 上市公司季報 為例，來分別和大家分享以下兩個常見的Python檔案資料下載方式，包含：

Photo by Marga Santoso on Unsplash 平時在瀏覽網頁的時候，相信大家有時會對於網頁上的某部分資訊感到有興趣，就會想要透過截圖的方式保存下來，就像是 Yahoo奇摩股市 網站，提供了不少資料視覺化的圖表，如果能夠利用網頁截圖的技巧，就可以大幅提升每天的分析效率 。 所以，今天就以 Yahoo奇摩股市 網站為例，來 和大家分享如何使用Python Selenium套件的自動化截圖方法(Method)，截取 網頁圖表，其中的重點包含 ：

Photo by Clay Banks on Unsplash 在 [Python爬蟲教學]3步驟教你部署Python網頁爬蟲到Google(GCP)雲端平台 文章中，和大家分享了部署Python網頁爬蟲到Google Cloud Platform雲端平台，並且能夠將爬取的資料存入Google BigQuery數據庫，而接下來該如何定時自動化執行Python網頁爬蟲呢? 這時候，就會需要利用 Google Scheduler(雲端排程器)，透過自訂時間來排程執行Python網頁爬蟲，其中的實作重點包含：

Photo by Firmbee.com on Unsplash 利用Python網頁爬蟲來進行資料蒐集，想必都會希望能夠自動化的持續運行，將爬取的資料儲存在資料庫中，讓後續可以輕鬆的使用與分析，而要達成自動化的持續運行，就需要將Python網頁爬蟲部署到雲端平台上 。 所以，本文就來接續 [Python爬蟲教學]Python網頁爬蟲寫入資料到Google BigQuery雲端數據庫指南 文章，把其中建置的Python網頁爬蟲部署到Google Cloud雲端平台，並且依然保有原來資料儲存到Google Bigquery數據庫的功能。其中的實作步驟包含：

Photo by Souvik Banerjee on Unsplash 在使用Python網頁爬蟲搜集資料的過程中，隨著時間的累積，資料量就會逐步的增加形成大數據，這時候，就會需要藉由雲端資源來協助我們進行資料分析。 而Google BigQuery雲端數據庫(Cloud Data Warehouse)就是一個非常強大的資料儲存分析工具，除了能夠儲存大量的數據外，還擁有很好的查詢效能，並且可以結合Google Data Studio來進行資料視覺化。 所以本文就接續 [Python爬蟲教學]一學就會的Python網頁爬蟲動態讀取資料庫應用 文章， 來和大家分享，如何將Python網頁爬蟲爬取的資料，載入Pandas DataFrame後，存入Google BigQuery資料表，以利於分析。其中的實作步驟包含：

Photo by CardMapr.nl on Unsplash Python網頁爬蟲在日常生活中有非常多的應用，股票分析就是其中之一，利用Python網頁爬蟲自動化爬取的特性，蒐集所需的各個公司股價資訊。 但是隨著經濟的變動，關注的股票代碼時常會進行調整，這時候，該如何讓Python網頁爬蟲有彈性的讀取股票代碼就很重要 。 而資料庫就是實務上最常使用的資料儲存工具，本文就以SQLite資料庫為例，來和大家分享Python網頁爬蟲如何動態讀取資料庫中所要分析的股票代碼資料，來爬取 臺灣證券交易所 的 個股日成交資訊 。其中的實作步驟包含：

Photo by Christina @ wocintechchat.com on Unsplash 想必大家在開發網頁爬蟲的過程中，都會有遇到各種反爬蟲機制的經驗，而Captcha就是其中一種透過圖片驗證的方式，來增加Python網頁爬蟲爬取資料的困難度。 所以，本文就以 博客來網路書店 的登入頁面為例，來和大家分享如何利用 2Captcha服務 ，破解登入時的一般驗證碼(Normal Captcha)，順利登入會員。其中實作的重點包含：

Photo by Giorgio Tomassetti on Unsplash 當手上有一份數據資料要進行分析，這時候如果是使用Pandas套件，通常會利用describe()方法(Method)，來初步瞭解資料內容，但是對於想要深入分析資料集來說，資訊還不夠充足。 所以本文就以 Kaggle網站的「Netflix data with IMDB scores added」資料集(mycsvfile.csv) 為例，來和大家分享一個很常用來進行 探索式資料分析( Exploratory Data Analysis )的套件－Pandas Profiling， 能夠將Pandas DataFrame中儲存的資料，產製為一個互動式的網頁報表，並且以視覺化的方式呈現詳細的資料結構。其中的重點包含：

Photo by Yura Fresh on Unsplash 資料蒐集的過程中，為了能夠有效的整理資料，通常都會搭配使用Pandas套件來進行實作，而在完成資料整理後，有時就會需要將資料顯示在網頁上，藉此分享其中的資訊 。 Pandas套件也提供了內建方法(Method)，讓資料分析人員能夠將Pandas DataFrame中整理好的資料，轉為HTML的表格來加以運用，本文就以 Kaggle網站的「Netflix data with IMDB scores added」資料集(mycsvfile.csv) 為例，來和大家分享如何利用Pandas套件將讀取到的資料顯示在網頁上，重點包含：

Photo by Eugene Chystiakov on Unsplash 遺漏值(Missing Value)的處理可以說是在資料清理的過程中，不可或缺的步驟之一，而Pandas套件也提供了許多實用的方法(Method)，讓分析人員能夠有效的探索與檢視 遺漏值(Missing Value)，並且進行適當的處理。 所以，本文以 Kaggle網站的「Netflix data with IMDB scores added」資料集(mycsvfile.csv) 為例，來和大家分享筆者在處理 遺漏值(Missing Value)時， 常用的Pandas套件方法(Method)，包含：

Photo by Zan on Unsplash 想要在機器學習或資料分析的過程中順利實作，資料集的前置處理就非常重要，像是資料清理或篩選等，而這些動作通常都是一個有順序性的流程，雖然能透過一次一次的呼叫Pandas套件方法(Method)來達成，但是如果想要讓程式碼可讀性高，以及自動化重複性的資料處理流程，就需要建置資料處理管道(Pipeline)。

Photo by Michael Dolejš on Unsplash 對於資料分析人員來說，Pandas套件相信是最受歡迎的套件之一，提供了許多強大而簡單的方法(Method)來操作資料，但是當處理的資料量較多時，讀取效率就會顯得非常的慢，並且耗用大量的記憶體資源 。

Photo by Brett Jordan on Unsplash Google Sheets(試算表)相信大家都不陌生，能夠允許多個使用者在上面同時協作，不論是新增或編輯資料等， 對於資料分析來說，就是一個非常好的儲存與共享資料工具 。

Photo by Sean Lim on Unsplash 面對大量資料的分析工作中，有時想要快速識別遺漏的值，或是已經整理好報表資料，想要為老闆強調某些重要的數字等，這時候除了可以將資料匯出到Excel進行處理外，Pandas套件也提供了許多客製化Pandas DataFrame樣式的功能，來解決以上的需求。

Photo by Walling on Unsplash 你有沒有過這樣的經驗，分析的資料分散在多個CSV檔案中，想要利用Pandas套件進行合併，來實作後續的資料處理呢?如果所要分析的資料量或欄位較多時，相信資料被分類在多個CSV檔案中的情況是有機會發生的，這時候就會需要使用Pandas套件的合併方法(Method)來整合多個CSV檔案的資料 。

Photo by LinkedIn Sales Solutions on Unsplash 現在有許多網站，為了 共享擁有的資料或服務， 都會透過建立API(Application Programming Interface)的方式，給外部的使用者進行更多元的應用，對於網站來說，除了能夠方便授權外，也可以彈性管理所提供的資料內容。 這時候，如果想要利用Pandas套件強大的資料分析功能，處理網站API所回傳的JSON格式資料內容，該怎麼實作呢?本文就以 痞客邦(PIXNET)網站的Open Data API 為例，來和大家分享Pandas套件如何讀取回傳的熱門美味食記文章資料，重點包含：

Photo by Mia Baker on Unsplash 好不容易蒐集到所需的大量資料，經過一連串的 資料清理 、 格式化 、 排序 與 篩選 等前置操作，為了後續的應用及分析，想必都會寫入資料庫中來留存，Pandas套件當然也提供了相關的方法(Method)，讓開發人員除了可以將Pandas DataFrame中的資料存入資料庫外，相對的，也能夠透過SQL語法讀取資料庫中的資料 。

Photo by Taras Shypka on Unsplash 面對現實生活中所蒐集來的各式各樣資料，想要能夠快速的進行初步整理，並且有效觀察其中的內容，資料排序可以說是最常使用的方法之一。 而Pandas套件對於資料排序的功能，也提供了非常好支援，本文就以 Kaggle網站的2009-2019年Amazon前50名暢銷書資料集(bestsellers with categories.csv) 為例， 帶大家來瞭解如何在資料集中應用Pandas套件的排序方法(Method)。重點包含：

Photo by freestocks on Unsplash LINE Bot的自動化回覆訊息功能，普遍的應用在日常生活中，尤其是服務的提供者，都會利用LINE Bot來推播最新消息或回覆客戶的問題等。 隨著各種不同類型的需求增加，有時就會需要更多的LINE Bot來提供服務，而在開發的過程中，普遍都是一個專案包含一個LINE Bot，就會造成有多個專案需要維護，有沒有辦法在一個專案中，包含多個LINE Bot呢?

Lee Campbell on Unsplash 在對資料集進行分析的過程中，有時並不是所有的資料內容都符合需求，往往會透過條件篩選的方式，取得部分資料集來觀察與操作，除了能有更多的變化應用外，也可以對資料有更深入的理解。 所以在學習Pandas套件時，如何篩選出符合自己需求的資料就是一大重點，本文利用 Kaggle網站的星巴克滿意度調查資料集( Starbucks satisfactory survey.csv ) ，來和大家分享Pandas套件篩選資料的常見語法應用，包含：

Content Pixie on Unsplash 為了要能夠在海量的數據資料中，透過資料分析的方式來得知其中的價值，進而做出決策或發現趨勢，就需要簡單的統計方法來幫助理解資料內容，才有辦法將資料做最有效的應用。 所以，本文就以 Kaggle網站的星巴克滿意度調查資料集( Starbucks satisfactory survey.csv ) 為例，分享三個常用的Pandas套件統計方法(Method)來解讀資料內容，包含：

DocuSign on Unsplash 使用Pandas套件實作資料清理時，除了對於遺漏、重複與拆分資料的處理外，資料型態與格式也是資料清理過程中需要注意的，這時候就可以利用Pandas套件所提供的轉型與格式化方法(Method)來有效的進行操作。 所以，本文接續 [Pandas教學]使用Pandas套件實作資料清理的必備觀念(上) 文章，使用 Kaggle網站的「Netflix data with IMDB scores added」資料集(mycsvfile.csv) ， 針對資料型態與格式的部分，來和大家分享幾個Pandas套件提供的方法(Method)應用，包含：

Ioan F on Unsplash 在資料分析的過程中，蒐集來的大量數據很可能不是那麼完整，像是含有空值、NULL或重複等，這時候就需要適當的清理與處理，讓資料集更符合所需，進而能夠精確的分析。 而Pandas套件提供了許多資料清理的方法(Method)，本文就以 Kaggle網站的「Netflix data with IMDB scores added」資料集(mycsvfile.csv) 為例，來和大家分享這些方法(Method)的應用方式，包含：

Pankaj Patel on Unsplash Pandas套件相信是Python開發人員在資料分析的領域中， 最普遍使用的工具之一，對於蒐集來的資料進行後續觀察及清理都相當的便利，而如果您和筆者一樣是Visual Studio Code開發工具的愛好者，利用Pandas套件操作資料後，在印出結果時，就會長得像以下的圖樣：

Ruthson Zimmerman on Unsplash 資料分析一詞相信大家耳熟能詳，目的就是將蒐集到的大量數據，經過有效整理及分析後，來洞悉其中的價值，進而提供更好的用戶體驗或是預測未來的趨勢。

Photo by Sigmund on Unsplash 在實務上開發Scrapy網頁爬蟲時，難免過程中會發生錯誤或產生問題，這時候該如何有效的偵錯找到原因，進而提升開發效率及品質，就是一個非常重要的議題。 而Scrapy網頁爬蟲框架提供了許多非常實用的方法，來幫助開發人員有效的偵錯，本文就 來和大家分享3個筆者最常使用的偵錯方法，包含：

Photo by Surface on Unsplash 想要進行資料分析，除了利用Python網頁爬蟲蒐集第一層的網頁資料外，有時候為了要 更瞭解資料的內容或是 讓分析的結果更加精確，就會需要爬取下一層的網頁，也就是詳細資料。 舉例來說，筆者想要對不同廠牌的筆電進行分析，這時候使用Python網頁爬蟲除了取得網頁第一層的筆電名稱外，還需要爬取每個筆電的下一層網頁，來取得詳細的規格內容，才有辦法進行比較。

Photo by Solen Feyissa on Unsplash 在Python網頁爬蟲蒐集資料的過程中，除了能夠將資料 存入資料庫 或 匯出成檔案 外，另一個最常應用的場景就是「訊息通知」，也就是在利用Python網頁爬蟲蒐集到所需的資料後，透過訊息通知的管道來推送資料結果。 舉例來說， [Python爬蟲教學]Python網頁爬蟲結合LINE Notify打造自動化訊息通知服務 文章整合了LINE Notify服務，來通知使用者Python網頁爬蟲取得的降價訊息，而本文則要來和大家分享另一個訊息通知管道的結合，也就是電子郵件。

Photo by Austin Distel on Unsplash 相信大家在瀏覽網頁的經驗中，都有看過利用分頁的方式來呈現，將內容切分為好幾頁，除了能夠提升網頁的執行效率外，也增加了使用者的體驗。 在前面的Scrapy網頁爬蟲框架系列教學中，皆分享了爬取單一網頁的內容，這時候如果想要利用Scrapy網頁爬蟲框架來爬取多頁的資料，該如何實作呢?本文就來延續 [Scrapy教學7]教你Scrapy框架匯出CSV檔案方法提升資料處理效率 文章的教學內容，一起來學習這個技巧吧。

Photo by Maxwell Ridgeway on Unsplash 在實作Python網頁爬蟲時，有一個非常重要的議題，就是如何將爬取到的資料有效儲存起來，這時候除了能夠像 [Scrapy教學6]解析如何在Scrapy框架存入資料到MySQL教學 文章一樣，存入資料庫外，另一個最常使用的方法，就是檔案的匯出，像是CSV、JSON及XML等。

Photo by Cytonn Photography on Unsplash 在利用Scrapy框架開發網頁爬蟲的過程中，成功取得想要蒐集的資料後，下一個步驟就是資料的儲存，像是存入資料庫或是檔案中等，這時候，就會需要使用到Scrapy框架的item資料模型及pipeline資料模型管道模組(Module)，來幫助開發人員建立好維護的資料處理方式。

Photo by Markus Winkler on Unsplas h Scrapy網頁爬蟲框架除了提供 [Scrapy教學4]掌握Scrapy框架重要的CSS定位元素方法 文章中所分享的css()方法(Method)來定位網頁元素(Element)外，也提供了xpath()定位方法(Method)讓開發者使用。 XPath(XML Path Language)是一個使用類似檔案路徑的語法，來定位XML文件中特定節點(node)的語言，因為能夠有效的尋找節點(node)位置，所以也被廣泛的使用在Python網頁爬蟲的元素(Element)定位上。

Photo by NordWood Themes on Unsplash 想要開發Python網頁爬蟲的朋友，都會知道 定位 元素(Element)是一個非常重要的動作，在 [Scrapy3教學]如何有效利用Scrapy框架建立網頁爬蟲看這篇就懂 文章中，使用了Scrapy框架的bs4 模組( Module )，也就是 BeautifulSoup的語法，來示範爬取目標網頁中的HTML元素(Element)。 但事實上，Scrapy框架本身就有提供自己的 定位 元素(Element)方法(Method)，包含CSS與XPath兩種，而本文將延續使用 [Scrapy3教學]如何有效利用Scrapy框架建立網頁爬蟲看這篇就懂 文章的 INSIDE 硬塞的網路趨勢觀察網站－ AI 新聞 為例，先 來和大家分享在Scrapy框架中，如何利用CSS的 定位 元素(Element)方法(Method)，爬取想要的網頁內容，重點包含：

Photo by Alex Kulikov on Unsplash 在 [Scrapy教學2]實用的Scrapy框架安裝指南，開始你的第一個專案 文章，完成Scrapy框架的 安裝 以及專案的建立後，接下來，就可以在其中開發網頁爬蟲，而在開發之前，又有哪些基本的觀念需要知道?本文將 一步一步 帶大家來進行瞭解，重點包含：

Photo by Jeff Sheldon on Unsplash 繼 [Scrapy教學1]快速入門Scrapy框架的5個執行模組及架構 文章，瞭解Scrapy框架的5個主要模組相互之間的關係與執行流程後，本文將帶大家在Windows環境中，安裝Scrapy框架，並且提示可能會遇到的錯誤該如何解決，最後，建立屬於您的第一個Scrapy專案，來一窺其中的檔案結構。重點包含：

Photo by Štefan Štefančík on Unsplash 一般想要自動化蒐集網頁上的資料時， 普遍都會使用像BeautifulSoup或Selenium套件開發 Python網頁爬蟲來取得，但是，如果所要爬取的資料量較大，擁有複雜的邏輯處理及效率的要求，這時候就會建議使用Scrapy框架，來幫助開發人員建立一個維護性較好的Python網頁爬蟲。