DataWhale 动手学数据分析Day01

 一、导入pandas和numpy包

import numpy as np
import pandas as pd

二、载入数据 

相对路径和绝对路径两种方式

df = pd.read_csv('train.csv')
df.head(3)

df = pd.read_csv('C:/Users/**/Desktop/hands-on-data-analysis-master/第一单元项目集合/train.csv')

read_csv常用参数：

参数	说明
header	用作列名的行号，默认0，没有header行设置None
index_col	用作行索引的列编号或列名
names	用于结果的列名列表
nrows	需要读取的行数（从文件开始出算起）
chunksize	文件块的大小

三、查看数据基本信息

df.info() //查看数据的基本信息
df.head() //查看头部数据
df.tail() //查看尾部数据
df.isnull() //判断是否为空

四、保存数据

df.to_csv('train_chinese.csv', encoding = 'GBK')
//设置编码格式：GBK utf-8

五、Series和DataFrame

Series是⼀种类似于⼀维数组的对象，它由⼀组数据（各种 166 NumPy数据类型）以及⼀组与之相关的数据标签（即索引）组成。Series的字符串表现形式为：索引在左边，值在右边。

sdata = {'a':1, 'b':2, 'c':3, 'd':4} #大括号
s = pd.Series(sdata)
s

 

DataFrame是⼀个表格型的数据结构，它含有⼀组有序的列，每 列可以是不同的值类型（数值、字符串、布尔值等）。 DataFrame既有⾏索引也有列索引，它可以被看做由Series组成 的字典（共⽤同⼀个索引）。DataFrame中的数据是以⼀个或多 个⼆维块存放的（⽽不是列表、字典或别的⼀维数据结构）。

data = {'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada', 'Nevada'],
        'year': [2000, 2001, 2002, 2001, 2002, 2003],'pop': [1.5, 1.7, 3.6, 2.4, 2.9, 3.2]}
example_2 = pd.DataFrame(data)
example_2

 六、DataFrame相关数据操作

1、查看列名称：df.columns

2、查看某一列的所有值：

• df.客舱

• df['客舱']

3、删除某一列

del test_1['a']
test_1.drop(['a'], axis = 1, inplace = True )
//inplace = True 覆盖原表格

4、数据筛选

midage = df[(df['年龄']>10) & (df['年龄']< 50) ]

筛选指定行 -----loc iloc

midage.loc[[100,105,108], ['乘客等级', '乘客姓名', '性别']]
midage.iloc[[100,105,108], [2,3,4]] //通过行号索引行数据

七、数据排序

1、创建DataFrame

s = pd.DataFrame(np.arange(8).reshape(2,4), 
                 index = [1,2], 
                 columns = ['a', 'b', 'c', 'd'])
s.head()

2、按值排序

s.sort_values(by = 'b') //根据指定列升序排序
s.sort_values(by=['a', 'b'],ascending=False)  //多列降序排序

3、按索引排序

s.sort_index() //索引默认升序排序
s.sort_index(axis = 1) #按列索引排序
s.sort_index(axis = 1, ascending=False) //列索引降序排序

4、两个DataFrame相加：对应的行和列相加，按照行、列标签名相加，没有对应的返回NaN

八、数据的描述

df.describe()