数据分析第一节_数据加载和初步认识

数据加载

前置条件：导入numpy和pandas包；

import numpy as py
import pandas as pd

• 加载方式：整体加载、逐块加载；

df=pd.read_csv("train.csv")
df_chunker=pd.read_csv("train.csv",chunksize=1000)
#逐块读取的好处；

• 路径不同：相对路径、绝对路径；

df=pd.read_csv("train.csv")
df_abso=pd.read_csv("C://administrator/myPython/train.csv")

• 是否follow源数据：源数据不动、修改index或columns；

df=pd.read_csv("train,csv")
df_modify=pd.read_csv("train.csv",names=["乘客ID","姓名"],index_col="乘客ID，header=0）
#header设置为0的原因；

• 保存数据；

df.to_csv("train_chaniese.csv")

数据概况查看

• 简单查看：前几行、后几行、样本索引、样本特征；

#默认是5行
df.head()
df.tail()
df.index
df.columns

• 统计信息查看：空值查看、整体统计信息、逐个特征的统计信息；

#返回整个表的布尔类型，后可接.head()查看前几列；
df.isnull()
df.info()
df.describe()

• 具体样本or特征查看：某列、某行、某个最大值、某个最小值；

#有两种方式
df.客舱
or
df["客舱"]

df.loc[[1],["姓名","客舱"]]
or
df.iloc[[1,2],[2,4]]

max(df["兄弟姐妹个数"]+df["父母子女个数"])
min(df["兄弟姐妹个数"]+df["父母子女个数"])

• 筛选查看：隐藏某些特征、按规则隐藏某些样本；

df.drop(["姓名"])
df.drop(["姓名","客舱"],axis=1)
df.[df["年龄"]<10]

• 排序后回看：按值大小排序；

df.sort_values(by="年龄",ascending=False)