动手学数据分析3

动手学数据分析3

全部参考 datawhale-动手学数据分析

动手学数据分析1
动手学数据分析—pandas

探索性数据分析,开始前导入numpy和pandas

import numpy as np
import pandas as pd
print(pd.__version__)

1.0.3

df = pd.read_csv('train_chinese.csv')
df.head()

利用Pandas对示例数据进行排序

df.sort_index()  # 让行索引升序排序
df01.sort_index(axis = 1)  # 让列索引升序排序
df01.sort_index(axis=1, ascending=False)  # 让列索引降序排序,ascending=True为升序
df01.sort_values(by=['a', 'c'])  # 让任选两列数据同时降序排序

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）

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

利用Pandas进行算术计算

• 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。

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(df['堂兄弟/妹个数']+df['父母与小孩个数'])  # 10

Pandas describe()函数

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

df['父母与小孩个数'].describe()
# count    891.000000
# mean       0.381594
# std        0.806057
# min        0.000000
# 25%        0.000000
# 50%        0.000000
# 75%        0.000000
# max        6.000000
# Name: 父母与小孩个数, dtype: float64

【思考】从上面数据我们可以看出， 一共有891个人数据， 平均值约为：0.3， 标准差约为0.8，说明波动不大， 至少75%的人没有父母小孩， 拥有父母小孩最大值约为6，最小值为0。

df['票价'].describe()
# count    891.000000
# mean      32.204208
# std       49.693429
# min        0.000000
# 25%        7.910400
# 50%       14.454200
# 75%       31.000000
# max      512.329200
# Name: 票价, dtype: float64

【思考】从上面数据我们可以看出， 一共有891个票价数据， 平均值约为：32.20， 标准差约为49.69，说明票价波动特别大， 25%的人的票价是低于7.91的，50%的人的票价低于14.45，75%的人的票价低于31.00， 票价最大值约为512.33，最小值为0。