数据载入及初步观察 + 探索性数据分析 —— 泰坦尼克任务

第一章：数据载入及初步观察 + 探索性数据分析

实验代码

1.1 载入数据

1.1.1 任务一：导入numpy和pandas

# 导入numpy和pandas
import pandas as pd
import numpy as np

1.1.2 任务二：载入数据

注：上传本地数据 [ 在 Jupyter 中操作需要 Upload]
(1) 使用相对路径载入数据

pd.read_csv('train.csv')

(2) 使用绝对路径载入数据

import os # 添加此头文件 否则会报错
# 查询数据集的绝对路径
os.path.abspath('train.csv')
# 载入数据
pd.read_csv('C:\\Users\\DELL\\train.csv')

相对路径：是指由这个文件所在的路径引起的跟其它文件（或文件夹）的路径关系
绝对路径：是指目录下的绝对位置，直接到达目标位置，通常是从盘符开始的路径

(3) 查看数据集头部和尾部数据

df = pd.read_csv('train.csv')
df.head()
df.tail()

(4) 数据转置

df.T

【思考】知道数据加载的方法后，试试pd.read_csv()和pd.read_table()的不同，如果想让他们效果一样，需要怎么做？
【思考回答】pd.read_table(‘C:\Users\DELL\train.csv’,sep = ‘,’)能够解决问题

pd.read_table('C:\\Users\\DELL\\train.csv')

pd.read_table() 以制表符 \t 作为数据的标志。以行为单位进行存储，所以没有分隔

pd.read_table('C:\\Users\\DELL\\train.csv',sep = ',')

【思考】了解一下’.tsv’和’.csv’的不同，如何加载这两个数据集？
【思考回答】TSV 文件和 CSV 的文件的区别是：前者使用 \t 作为分隔符，后者使用 , 作为分隔符。

1.1.3 任务三：每1000行为一个数据模块，逐块读取

# 原数据类型
type(pd.read_csv('train.csv'))
# 模块读取数据的数据类型
df = pd.read_csv('train.csv',chunksize =1000)
type(df)
#  逐块读取
df.get_chunk()

【思考】什么是逐块读取？为什么要逐块读取呢？
【思考回答】是将文本分成若干块；面对大量数据时，我们只想截取其中一部分来进行问题分析。

【提示】chunker(数据块)是什么类型？

1.1.4 任务四：将表头改成中文，索引改为乘客ID [对于某些英文资料，我们可以通过翻译来更直观的熟悉我们的数据

# 将表头改成中文形式
# 方法一（替换）
df = pd.read_csv('train.csv')
df.columns = ['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']
df

# 方法二（增加）
df = 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'])
df

1.2 初步观察

导入数据后，要对数据的整体结构和样例进行概览，比如说，数据大小