Data Statistics——python系列 seaborn

当我们拿到一组数据，在正式的数据分析之前首先要做到
检查数据
清理数据
测试数据

1.检查数据：一般要回答以下几个问题

• 数据的格式有什么问题吗？
• 数据的数值有什么问题吗？
• 数据需要修复和删除吗？

检查点1：数据格式

• 首先用 pandas 读取 csv 文件并将数据存成 DataFrame 格式（数据是干净可用的：每一行代表一个样例，每一列代表一个特征）

import pandas as pd 
import seaborn as sns
import matplotlib.pyplot as plt
#读取数据
iris_data=pd.read_csv('iris-data.csv',na_values=['NA'])
#查看数据 前10行
iris_data.head(10)

检查点2： 数据统计

#统计值有每列数据的个数 (count)，均值 (mean)，标准差 (std)，最小值 (min)，25, 50 和 75 百分位数 (25%, 50%, 75%) 和最大值 (max)
iris_data.describe()
#绘制统计图
sns,pairplot(iris_data.dropna(),hue='class')
#第一个参数 iris_data.dropna() 就是除去 NaN 的数据表
#第二个参数 hue = 'class' 就是根据类 (class) 下不同的值赋予不同的颜色 (hue 就是色彩的意思) 

2.处理错误的数据，主要从以下几点：

• 数据类别，数据本来分