动手学数据分析task01数据加载及探索性数据分析

第一章第一节 数据加载——载入数据

• 数据集下载 https://www.kaggle.com/c/titanic/overview
• 数据集采用的是kaggle竞赛的官方数据集

把数据分块读取（chunksize）

更改列名

• 可以选择直接全部更改，甚至可以制定某一行作为第一列的索引列

初步观察

查看前10行和后15行的数据

查看基本数据特征

数据最基础操作——判空

• 以前五行为例：
  

保存数据到新的csv

第一章第二节 数据加载——pandas基础

pandas中有两个数据类型DateFrame和Series

series如下：

dataframe如下：

查看全部列名

查看某一列的所有取值

删除某一列

del test_1[&＃39;a&＃39;]


选择性忽视某些列

• 其中有一个属性为inplace，默认情况下是FALSE，如果设置为TRUE，表明进行对原来数据的覆盖

对列属性的条件筛选

年龄小于10岁的

df[df["Age"]<10].head(3)

以"Age"为条件，将年龄在10岁以上和50岁以下的乘客信息显示出来，并将这个数据命名为midage

midage = df[(df["Age"]>10)& (df["Age"]<50)]
midage.head(3)


reset_index

• 数据清洗时，会将带空值的行删除，此时DataFrame或Series类型的数据不再是连续的索引，可以使用reset_index()重置索引。

选择多行多列数据

midage的数据中第100，105，108行的"Pclass"，"Name"和"Sex"的数据显示出来

• ① 使用loc方法

midage.loc[[100,105,108],[&＃39;Pclass&＃39;,&＃39;Name&＃39;,&＃39;Sex&＃39;]]


• ② 使用iloc方法

midage.iloc[[100,105,108],[2,3,4]]


第一章第三节 数据加载——探索性数据分析

按照某一列进行升序、降序排列

frame.sort_values(by=&＃39;c&＃39;, ascending=True)


• by参数指向要排列的列，ascending参数指向排序的方式（升序还是降序）