pandas课堂笔记

一：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

import numpy as np

import pandas as pd

【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'C:\Users\86186\coding\hands-on-data-analysis-master\第一单元项目集合\train. csv')

1.1.3任务三：每1000行为一个数据模块，逐块读取

品选择内核

chunker = pd.read_csv('./train.csv',chunksize=1000)

for i in chunker:

      print(i)

 

 

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]

df = pd. read_csv('train.csv',names=['乘客ID','是否幸存'],index_col=' 乘客ID',header = 0)

1.2初步观察

导入数据后，你可能要对数据的整体结构和样例进行概览，比如说，数据大小、有多少列，各列都是什么格式的，是否包含null等

1.2.1任务一：查看数据的基本信息

df.info()

1.2.2任务二：观察表格前10行的数据和后15行的数据

df.head(10)

df.tail(15)

1.2.4任务三：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)

1.3 保存数据

1.3.1 任务一：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trainchinese_csv

df. to_csv('train_chinese.csv')

1.4知道你的数据叫什么

1.4.1任务一：pandas中有两个数据类型DateFrame和Series，通过查找简单了解他们。然后自己写一个关于这两个数据类型的小例子

#引入环境

import.pandas as pd

import numpy as np

 

 

sodata' ={'0hio": 35BP0,"Texas": 71000,"Oregon':1600,'Utah':500e]

example_1 = pd.Series(sdata)

example_1

data = {'state':['Ohio','Ohio','Ohio','Nevada'，'Nevada'，'Nevada'],'year':[2000,2001,2002,2001,2002, 2003],'pop':[1.5,1.7,3.6,2.4,2.9,3.2])                          example_ 2= pd-DataFrame(data）   

 example_2

1.4.2任务二:根据上节课的方法载入"train.csv"文件

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

df.head(3)

1.4.3任务三:查看DatsFrame数据的每列的名称

df.columns 

1.4.4任务四:查看"Cabin"这列的所有值

df['Cabin'],head(3)

df.Name

1.4.5任务五：加载文件“test_1.csv"，然后对比“train.csv"，看看有哪些多出的列，然后将多出的列删除

经过我们的观察发现一个测试集test_1.csv有一列是多余的，我们需要将这个多余的列删去

test 1= pd.read.csv('test_1.csv')

test 1

del test1['a']

test1.head(3)

1.4.6任务六:将几列元素隐藏，只观察其他几列元素

df.drop(['Name','Age'],axis=1).head(3)

1.5筛选的逻辑

表格数据中，最重要的一个功能就是要具有可筛选的能力，选出我所需要的信息，丢弃无用的信息。

下面我们还是用实战来学习pandas这个功能。

1.5.1任务一：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].head(3)

1.5.2 任务二：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 = df[(df[' Age' ]>10)&(df[' Age' ]<50)]

midage. head(3)

 

 

1.5.3任务三：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']]

 

1.5.4任务四：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' ]]

 

1.5.5任务五：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

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

二:探索性数据分析

开始之前，导入numpy、pandas包和数据

#加载所需的库

import pandas as pd

import numpy as np

#载入之前保存的train_chinese.csv数据，关于泰坦尼克号的任务，我们就使用这个数据

 text = pd. read_csv(' train_chinese.csv')

text

1.6.1 任务一：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

#大多数时候我们都是想根据列的值来排序，所以，将你构建的DataFrame中的数据根据某一列，升序排列

frame. sort_values(by=' c', ascending=True)

frame. sort _values(by=' c', ascending=False)

可以看到sort values这个函数中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)

#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)

1.6.2任务二：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

#在开始我们已经导入了train_chinese.csv数据，而且前面我们也学习了导入数据过程，根据上面学习，我们直接对目标列进行排序即可head(20）：读取前20条数据

text.sort_values(by=['票价’，’年龄’]，ascending=False)

1.6.3任务三：利用Pandas进行算术计算，计算两个DataFrame数据相加结果

#将frame_a和lframe_b进行相加

framel_a + framel_b

【提醒】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。

1.6.4任务四：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’]）

是的，如上，很简单，我们只需找出兄弟姐妹个数和父母子女个数之和最大的数就行，先让这两列相加返回DataFrame然后用max函数求出最大值。

1.6.5任务五：学会使用Pandas describe(函数查看数据基本统计信息

调用describe 函数，观察frame2的数据基本信息

frame2. describe()