第二课堂AI实践笔记2——pandas入门

1 第一章：数据加载

1.1 载入数据

数据集下载 https://www.kaggle.com/c/titanic/overview

1.1.1 任务一：导入numpy和pandas

# 引入环境
import pandas as pd
import numpy as np

【提示】如果加载失败，学会如何在你的python环境下安装numpy和pandas这两个库

1.1.2 任务二：载入数据

(1) 使用相对路径载入数据

df =pd.read_csv('./train.csv')
df

(2) 使用绝对路径载入数据

df =pd.read_csv(r'D:\Users\LENOVO\Desktop\pandas入门\train.csv')
df

【提示】相对路径载入报错时，尝试使用os.getcwd()查看当前工作目录。  
【思考】知道数据加载的方法后，试试pd.read_csv()和pd.read_table()的不同，如果想让他们效果一样，需要怎么做？了解一下'.tsv'和'.csv'的不同，如何加载这两个数据集？                       

【回答】                                                                                                                           

  不同：都是Pandas库中用于读取文本文件的函数，它们主要的区别在于默认的分隔符：read_table是以制表符 \t 作为数据的标志，也就是以行为单位进行存储，每一行字符串为一列；read_csv默认分隔符为逗号，每一个字符串为一列
效果一样：如果想让pd.read_csv()和pd.read_table()的效果一样，可以通过指定sep参数来实现。 pd.read_csv('filename.tsv', sep='\t')实现用pd.read_csv()来读取一个制表符分隔的文件；pd.read_table('filename.csv', sep=',')实现用pd.read_table() 来读取一个逗号分隔的文件
【总结】加载的数据是所有工作的第一步，我们的工作会接触到不同的数据格式（eg:.csv;.tsv;.xlsx）,但是加载的方法和思路都是一样的，在以后工作和做项目的过程中，遇到之前没有碰到的问题，要多多查资料吗，使用google，了解业务逻辑，明白输入和输出是什么。

1.1.3 任务三：每1000行为一个数据模块，逐块读取

【思考】什么是逐块读取？为什么要逐块读取呢？
有chunksize参数可以进行逐块加载。它的本质就是将文本分成若干块，每次处理chunksize行的数据，最终返回一个TextParser对象，对该对象进行迭代遍历，可以完成逐块统计的合并处理。

【提示】大家可以chunker(数据块)是什么类型？用`for`循环打印出来出处具体的样子是什么？

1.1.4 任务四：将表头改成中文，索引改为乘客ID [对于某些英文资料，我们可以通过翻译来更直观的熟悉我们的数据]

PassengerId => 乘客ID
Survived => 是否幸存
Pclass =>