kaggle泰坦尼克数据之数据初步处理

最近一系列的数据分析的内容来源于DataWhale开源

1 第一章：数据载入及初步观察

1.1 载入数据

泰坦尼克号数据集下载

1.1.1 任务一：导入numpy和pandas

import numpy as np
import pandas as pd

1.1.2 任务二：载入数据

(1) 使用相对路径载入数据

df = pd.read_csv("train.csv")#相对路径
df.head()

(2) 使用绝对路径载入数据

import os
os.getcwd() #查看当前工作目录
df = pd.read_csv("train.csv的绝对路径")
df.head()

1.1.3 任务三：每1000行为一个数据模块，逐块读取

chunker = pd.read_csv('train.csv', chunksize=100)
for chunk in chunker:
    print(chunk)

chunk的属性为：
<pandas.io.parsers.TextFileReader at 0x237b6459788>

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]

df = pd.read_csv("train.csv", names=['乘客ID','是否幸存','乘客等级(1/2/3等舱位)','乘客姓名','性别','年龄','堂兄弟/妹个数'\
                                    ,'父母与小孩个数','船票信息','票价','客舱','登船港口'], index_col='乘客ID', header=0)
df.head()

1.2 初步观察

1.2.1 任务一：查看数据的基本信息

df.info()

1.2.2 任务二：观察表格前10行的数据和后15行的数据

#前10行
df.head(10)

#后15行
df.tail(15)

1.2.4 任务三：判断数据是否为空，为空的地方返回True，其余地方返回False

df.isnull()

1.3 保存数据

1.3.1 任务一：将你加载并做出改变的数据，在工作目录下保存为一个新文件train_chinese.csv

df.to_csv("train_chinese.csv")

【总结】数据的加载以及入门，接下来就要接触数据本身的运算，我们将主要掌握numpy和pandas在工作和项目场景的运用。

1.4 知道你的数据叫什么

1.4.1 任务一：pandas中有两个数据类型DateFrame和Series，通过查找简单了解他们。然后自己写一个关于这两个数据类型的小例子🌰[开放题]

sdata = {
   'Ohio': 35000, 'Texas': 71000, 'Oregon': 16000, 'Utah': 5000}
example_1 = pd.Series(sdata)
example_1

data =