动手学数据分析1

首先先下载好csv文件，导入numpy和pandas

使用相对路径导入时应注意导入文件的位置是否在当前文件位置上，可使用os.getcwd()获取当前文件位置

import os
#获取当前文件位置
path1=os.getcwd()

使用相对路径加载

数据过大时中间列会被表示成...，为避免列消失，可设置set_option显示全部列

#数据过大时行列会省略
pd.set_option('display.max_column',None)#显示消失的列 

#使用相对路径
df=pd.read_csv('train.csv')#引号内为导入的文件名
print(df.head(3))#打印

pd.read_table()是以制表符 \t 作为数据的标志,读取csv文件得到的结果为n*1的数组

若要达到一致效果则需设定pd.read_table()里的sep属性为号,pd.read_table('train.csv',sep=',')

pd.read_csv()则是以逗号作为数据的标志

df=pd.read_table('train.csv',sep=',') 
print(df.head(3))#打印

 逐块读取

#逐块读取
chunker=pd.read_csv('train.csv',chunksize=1000)#若chunksize=3,则每读取3行迭代1次
print(type(chunker))
for piece in chunker:
    print(piece)

 将表头列名变为中文

#另外也可直接将csv文件里表头修改为中文,或在字符串前+u,如df2.column=[u:'修改后的列名',...,]
df2 = pd.read_csv('train.csv', names=['乘客ID','是否幸存','仓位等级','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)
#header指定行索引，index_col指定列索引
print(df2.head())

 查看数据基本信息

查看前5行与最后15行数据信息

df2.info()
print(df2.head(5))
print(df2.tail(15))

isnull()判断 

#判断数据是否为空，为空的地方返回True，其余地方返回False
print(df2.isnull().head())

保存 

#保存
df2.to_csv('train_chinese.csv',encoding='GBK')

 

 pandas中有两个数据类型DateFrame和Series，以下为创建数据

#创建Series类型的数据
sdata = {'Ohio': 35000, 'Texas': 71000, 'Oregon': 16000, 'Utah': 5000}
example_1 = pd.Series(sdata)
print(example_1)
#创建DateFrame类型的数据
data= {'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada', 'Nevada'],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)
print(example_2)

查看列名与某一列下的值 

#查看每列名称
print(df2.columns)
#查看该列对应值
print(df['Cabin'].head(3))
print(df.Cabin.head(3))#效果一样