建议在jupyter notebook上进行操作
1 第一章:数据加载
数据集下载https://www.kaggle.com/c/titanic/overview
1.1.1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
可以在终端使用pip install numpy和pip install pandas下载
1.1.2 载入数据
(1)使用相对路径载入数据
df = pd.read_csv('./train.csv')
(2)使用绝对路径载入数据
df = pd.read_csv("C:/Users/52446/Desktop/python学习/pandas入门/train.csv")
1.1.3 将数据表头改为中文
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','父母子女个数','船票信息','票价','客舱','登船舱口'],index_col='乘客id',header = 0)
df.head(3)
1.2 初步观察
1.2.1 查看数据基本信息
df.info()
结果
<class 'pandas.core.frame.DataFrame'>
Index: 891 entries, 1 to 891
Data columns (total 11 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 是否幸存 891 non-null int64
1 乘客等级 891 non-null int64
2 乘客姓名 891 non-null object
3 性别 891 non-null object
4 年龄 714 non-null float64
5 堂兄弟妹个数 891 non-null int64
6 父母子女个数 891 non-null int64
7 船票信息 891 non-null object
8 票价 891 non-null float64
9 客舱 204 non-null object
10 登船舱口 889 non-null object
dtypes: float64(2), int64(4), object(5)
memory usage: 83.5+ KB
1.2.2 观察前10行和后15行的数据
df.head(10) # 前十行数据
df.tail(15) # 后十五行数据
1.2.3 判断数据是否为空,为空返回True,其余地方返回False
df.isnull()
1.3保存数据
df.to_csv('train_chinese.csv')
数据保存在相应的位置