“第二课堂”AI实践第二次笔记（Pandas入门）

一、数据加载

（一）载入数据

1.导入pandas和numpy

2.载入数据（可以使用相对路径或绝对路径）

3.每1000行为一个数据模块，逐块读取

chunker=pd.read_csv('./train.csv',chunksize=1000)
for i in chunker:
    print(i)

4.将表头改成中文，索引改为乘客ID

df=pd.read_csv('train.csv',names=['乘客ID','是否幸存','乘客等级','乘客姓名','性别','年龄','堂兄弟/妹个数','父母与小孩个数','船票信息','票价','客舱','登船港口'],index_col='乘客ID',header=0)
df

（二）初步观察

1.查看数据的基本信息

df.info()

2.观察表格前10行的数据和后15行的数据

df.head(10)

df.tail(15)

3.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)

4.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

df.to_csv('train_chinese.csv')

二、pandas基础

（一）pandas基础

1.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

2.根据上节课的方法载入"train.csv"文件

3.查看DataFrame数据的每列的名称

 df.columns

4.查看"Cabin"这列的所有值 

df['Cabin'].head(3)或者df.Cabin

5.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

test1=pd.read_csv('test_1.csv')
test1

del test1['a']
test1

6.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)

（二）筛选的逻辑

1.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]

2.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

3.将midage的数据中第100行的"Pclass"和"Sex"的数据显示出来

midage = midage.reset_index(drop=True)
midage.loc[[100],['Pclass','Sex']]

4.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']]

5.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]]

三、探索性数据分析

（一）了解你的数据吗？

1.利用Pandas对示例数据进行排序，要求升序

frame = pd.DataFrame(np.arange(8).reshape((2, 4)), 
                     index=['2', '1'], 
                     columns=['d', 'a', 'b', 'c'])
frame

2.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

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

3.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

4.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(test['堂兄弟/妹个数'] + test['父母与小孩个数'])

5.学会使用Pandas describe()函数查看数据基本统计信息

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

frame2.describe()

6.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？

test['票价'].describe()

test['父母与小孩个数'].describe()