pandas
TASK01
载入数据
导入numpy和pandas
#!pip install numpy
#!pip install pandas
import numpy as np
import pandas as pd
载入数据
df = pd.read_csv('./train.csv') # 相对路径
df # 单打一个df可以打印出数据
df = pd.read_csv(r'E:\Code\Python\pandas\train.csv') # 绝对路径
df # 同上
每1000行为一个数据模块,逐块读取
chunker = pd.read_csv('./train.csv',chunksize=10)
for i in chunker:
print(i)
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]
df = pd.read_csv('train.csv',names=['乘客ID','是否幸存','舱位等级','姓名','性别','年龄','兄弟姐妹个数','父母子女个数','船票信息','票价','客舱','登船港口'],index_col='乘客ID',header = 0)
df
初步观察
查看数据的基本信息
df.info()
观察表格前10行的数据和后15行的数据
df.head(10)
df.tail(15)
判断数据是否为空,为空的地方返回True,其余地方返回False
df.isnull().head(5)
保存数据
将你加载并做出改变的数据,在工作目录下保存为一个新文件train_chinese.csv
# 注意:不同的操作系统保存下来可能会有乱码。大家可以加入`encoding='GBK' 或者 ’encoding = ’utf-8‘‘`
df.to_csv('train_chinese.csv')
TASK02
查看DataFrame数据的每列的名称
df.columns
查看"Cabin"这列的所有值 [有多种方法]
df['Cabin'].head(3)
df.Cabin.head(3)
删除列
del test1['a']
del test1['Unnamed: 0']
将[‘PassengerId’,‘Name’,‘Age’,‘Ticket’]这几个列元素隐藏,只观察其他几个列元素
df.drop(['PassengerId','Name','Age','Ticket'],axis=1).head(3)
我们以"Age"为筛选条件,显示年龄在10岁以下的乘客信息。
df[df['Age']<10]
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)]
将midage的数据中第100行的"Pclass"和"Sex"的数据显示出来
midage.loc[[100],['Pclass','Sex']]
使用loc方法将midage的数据中第100,105,108行的"Pclass","Name"和"Sex"的数据显示出来
midage.loc[[100,105,108],['Pclass','Name','Sex']]
使用iloc方法将midage的数据中第100,105,108行的"Pclass","Name"和"Sex"的数据显示出来
i即为索引,即把列索引的名字换成编号索引
midage.iloc[[100,105,108],[2,3,4]]
TASK03
利用Pandas对示例数据进行排序,要求升序
#自己构建一个都为数字的DataFrame数据
frame = pd.DataFrame(np.arange(8).reshape((2, 4)),
index=['2', '1'],
columns=['d', 'a', 'b', 'c'])
frame
#pd.DataFrame() :创建一个DataFrame对象
#np.arange(8).reshape((2, 4)) : 生成一个二维数组(2*4),第一列:0,1,2,3 第二列:4,5,6,7
#index=['2, 1] :DataFrame 对象的索引列
#columns=['d', 'a', 'b', 'c'] :DataFrame 对象的索引行
frame.sort_values(by='c',ascending=True)
by可以选择哪一列
ascending可以选择升序(True)/降序(False)
# 让行索引升序排序
frame.sort_index()
# 让列索引升序排序
frame.sort_index(axis=1)
# 让列索引降序排序
frame.sort_index(axis=1,ascending=False)
# 让任选两列数据同时降序排序
frame.sort_values(by=['a','c'],ascending=False)
对泰坦尼克号数据(trian.csv)按票价和年龄两列进行综合排序(降序排列),从数据中你能发现什么
text.sort_values(by=['票价','年龄'],ascending=False)
利用Pandas进行算术计算,计算两个DataFrame数据相加结果
frame1_a = pd.DataFrame(np.arange(9.).reshape(3, 3),
columns=['a', 'b', 'c'],
index=['one', 'two', 'three'])
frame1_b = pd.DataFrame(np.arange(12.).reshape(4, 3),
columns=['a', 'e', 'c'],
index=['first', 'one', 'two', 'second'])
frame1_a
frame1_a + frame1_b
两个DataFrame相加后,会返回一个新的DataFrame,对应的行和列的值会相加,没有对应的会变成空值NaN。
通过泰坦尼克号数据如何计算出在船上最大的家族有多少人?
max(text['兄弟姐妹个数'] + text['父母子女个数'])
学会使用Pandas describe()函数查看数据基本统计信息
#建立一个例子
frame2 = pd.DataFrame([[1.4, np.nan],
[7.1, -4.5],
[np.nan, np.nan],
[0.75, -1.3]
], index=['a', 'b', 'c', 'd'], columns=['one', 'two'])
frame2
'''
count : 样本数据大小
mean : 样本数据的平均值
std : 样本数据的标准差
min : 样本数据的最小值
25% : 样本数据25%的时候的值
50% : 样本数据50%的时候的值
75% : 样本数据75%的时候的值
max : 样本数据的最大值
'''
frame2.describe()
分别看看泰坦尼克号数据集中 票价、父母子女 这列数据的基本统计数据,你能发现什么?
text['票价'].describe()
text['父母子女个数'].describe()