pandas数据读取与清洗视频04-查看数据

本系列课程适用人群：

1. python零基础数据分析的朋友；
2. 在校学生；
3. 职场中经常要处理各种数据表格，或大量数据（十万级以上）的朋友；
4. 喜欢图表可视化的朋友；

系列视频目前可在B站观看，会定期更新，欢迎大家吐槽！

本节概要：简短代码查看数据结构

视频地址：python查看数据

本节代码：

# 导入pandas工具包, 并简写为pd
import pandas as pd 
# 读取数据
data1 = pd.read_excel('D:/python/课件/data/泰坦尼克数据.xlsx')

# =============================================================================
# 1 数据基本信息info: 显示变量名称，数值格式，非缺失值个数等
# =============================================================================
data1.info()


# =============================================================================
# 2 前n行，后n行,抽样：数据量很大时建议使用
# =============================================================================
temp1 = data1.head(50)  # 默认是前5行
temp2 = data1.tail(50)  # 默认是后5行
temp3 = data1.sample(50) # 默认是1行


# # =============================================================================
# # 3 列名：经常使用，比如写代码时不能准确记住变量名称，可用此方法获取
# # =============================================================================
data1.columns   # 没有括号


# # =============================================================================
# # 4 描述性统计：默认计算数值变量的均值、标准差、最大值、最小值、分位数
# # =============================================================================
temp4 = data1.describe()
temp5 = data1.describe().round(2)
temp6 = data1.describe().round(2).T

# # =============================================================================
# # 5 缺失值个数：经常使用
# # =============================================================================
data1.isna().sum()   
data1['仓位'].isnull().value_counts()

# # =============================================================================
# # 6不重复项：经常使用
# # =============================================================================
data1['登船港口'].unique()


# # =============================================================================
# # 7计数：计算分类变量个数
# # =============================================================================
data1['性别'].value_counts()