数据分析---常用库pandas，matplotlib，seabon常用函数

前言：昨天开始学习Datawhale 零基础入门数据挖掘的开源课程，文档写的很细致，但因为初步接触这些python库，故对里面的有些函数使用不太清楚，特此记录！

Pandas库常见函数分析

导入pandas包: import pandas as pd*

• pd.head()和pd.tail():分别为读出数据的前5行和后5行
• pd.describe():显示数据的统计结果

返回数据内容：
count：个数
mean：平均值
std：方差（标准差）
min：最小值
中位数：25%，50%，75%

• pd.isnull().sum()：查看每列存在的nan情况
• pd.sample()：实现数据集随机抽样 #sample是pandas库中DataFrame包中函数

DataFrame.sample(n=None, frac=None, replace=False, weights=None, random_state=None, axis=None)
参数解析：
	n是要抽取的行数。（例如n=20000时，抽取其中的2W行）
	frac是抽取的比列。（有一些时候，我们并对具体抽取的行数不关系，我们想抽取其中的百分比，这个时候就可以选择使用frac，例如frac=0.8，就是抽取其中80%）
	replace：是否为有放回抽样，取replace=True时为有放回抽样。
	weights这个是每个样本的权重，具体可以看官方文档说明。
	axis是选择抽取数据的行还是列。axis=0的时是抽取行，axis=1时是抽取列（也就是说axis=1时，在列中随机抽取n列，在axis=0时，在行中随机抽取n行）

• pd.skew():求偏度。统计数据分布偏斜方向和程度的度量，是统计数据分布非对称程度的数字特征。偏度(Skewness)亦称偏态、偏态系数。

Definition:是描述数据分布形态的统计量，其描述的是某总体取值分布的对称性，简单来说就是数据的不对称程度。

DataFrame.skew(axis=None, skipna=None, level=None, numeric_only=None, **kwargs)
参数解析：
	axis : {index (0), columns (1)}：定义计算的轴
	skipna : boolean, default True：计算时是否忽略空缺值，默认忽略
	level : int or level name, default None：（用的比较少）
	numeric_only : boolean, default None：（用的比较少）

计算公式：
$$Skewness=E[((x-E(x))/(\sqrt{D(x)}){)}^3]$$
| Skewness | 越大，分布形态偏移程度越大。
偏度是三阶中心距计算出来的。
（1）Skewness = 0 ，分布形态与正态分布偏度相同。
（2）Skewness > 0 ，正偏差数值较大，为正偏或右偏。长尾巴拖在右边，数据右端有较多的极端值。
（3）Skewness < 0 ，负偏差数值较大，为负偏或左偏。长尾巴拖在左边，数据左端有较多的极端值。
（4）数值的绝对值越大，表明数据分布越不对称，偏斜程度大。

• pd.kurt()：求峰度

Definition:偏度是描述某变量所有取值分布形态陡缓程度的统计量，简单来说就是数据分布顶的尖锐程度。

计算公式:
$$Kurtosis=E[((x-E(x))/(\sqrt{(}D(x))){)}^4]-3$$
峰度是四阶标准矩计算出来的。
（1）Kurtosis=0 与正态分布的陡缓程度相同。
（2）Kurtosis>0 比正态分布的高峰更加陡峭——尖顶峰
（3）Kurtosis<0 比正态分布的高峰来得平台——平顶峰

• DataFrame.corr():计算列与列之间的相关系数，返回相关系数矩阵

DataFrame.corr(method=‘pearson’, min_periods=1)
参数解析：
	   method : {‘pearson’, ‘kendall’, ‘spearman’}
	   pearson : standard correlation coefficient
	   kendall : Kendall Tau correlation coefficient
	   spearman : Spearman rank correlation

解释：相关系数的取值范围为[-1, 1],当接近1时，表示两者具有强烈的正相关性，比如‘s’和‘x’；当接近-1时，表示有强烈的的负相关性，比如‘s’和‘c’，而若值接近0，则表示相关性很低.

• pandas.melt():图像可视化

pandas.melt(frame, id_vars=None, value_vars=None, var_name=None, value_name='value', col_level=None)
参数解析：
	frame:要处理的数据集。
	id_vars:不需要被转换的列名。
	value_vars:需要转换的列名，如果剩下的列全部都要转换，就不用写了。
	var_name和value_name是自定义设置对应的列名。
	col_level :如果列是MultiIndex，则使用此级别。

missingo库常见函数分析

• msno.matrix():显示出缺失值的无效矩阵
• msno.bar():显示条形图
• msno.heatmap()：显示热图
• msno.dendrogram():显示树状图

matplotlib库常见函数分析

导入matplotlib: import matplotlib.pyplot as plt

• fig = plt.figure()：

figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True, FigureClass=Figure, clear=False, **kwargs)

参数解析：

参数	默认值	含义
num		用来设定figure名称。系统默认按数字升序命名的figure_num（透视表输出窗口）e.g. “figure1”。可自行设定figure名称，名称或是INT，或是str类型
figsize	tuple of integers, optional, default: None	设定figure尺寸，以英寸为单位的宽高，缺省值为 rc figure.figsize (1英寸等于2.54厘米)
width	height in inches. If not provided, defaults to rc figure.figsize	宽
dpi	100	设定figure像素密度，dpi越大，图形越大
facecolor	默认白色	背景色
edgecolor	系统默认绘制轮廓	边框颜色
frameon	bool, optional, default: True	默认值True为绘制边框，如果为False则不绘制边框
Figureclass	不使用	设定使不使用一个figure模板
clear	False	设定当同名figure存在时，是否替换它。系统默认False，即不替换

num:如果此参数没有提供，则一个新的figure对象将被创建，同时增加figure的计数数值，此数值被保存在figure对象的一个数字属性当中。如果有此参数，且存在对应id的figure对象，则激活对于id的figure对象。如果对应id的figur对象不存在，则创建它并返回它。如果num的值是字符串，则将窗口标题设置为此字符串

• matplotlib.pyplot.hist():

matplotlib.pyplot.hist(x, bins=10, range=None, normed=False,weights=None, histtype=u'bar', align=u'mid', orientation=u'vertical', cumulative=False, rwidth=None, log=False, color=None, label=None, stacked=False,  bottom=None,hold=None, **kwargs)
参数解析：
	x : (n,) array or sequence of (n,) arrays
		这个参数是指定每个bin(箱子)分布的数据,对应x轴
	bins : integer or array_like, optional
		这个参数指定bin(箱子)的个数,也就是总共有几条条状图
	normed : boolean, optional
		If True, the first element of the return tuple will be the counts normalized to form a probability density, i.e.,n/(len(x)`dbin)
		这个参数指定密度,也就是每个条状图的占比例比,默认为1
		True为频率图，False为频数图
	color : color or array_like of colors or None, optional
		这个指定条状图的颜色

seabon库常见函数分析

导入seaborn：import seaborn as sns

• sns.distplot(x,kde=False,fit=stats,gamma)：拟合参数分布

---

暂时先写这么多，后面有用到再补充！