**Task01：数据加载及探索性数据分析（2天）**

Task01：数据加载及探索性数据分析（2天）

1 第一章：数据载入及初步观察
1.1 载入数据
数据集下载 https://www.kaggle.com/c/titanic/overview
（已下载）
1.1.1 任务一：导入numpy和pandas

安装：
cmd
C:\Users\dsy51\pip install pandas

1.1.2
任务二：载入数据
(1) 使用相对路径载入数据


df是DataFrame的缩写

df.head()会将baiexcel表格中的du第一行看作列名，并默认输出之后的五行，所以head后面的括号中写3就是前3行。

Q：知道数据加载的方法后，试试pd.read_csv()和pd.read_table()的不同
A:read_csv和read_table都是是加载带分隔符的数据，每一个分隔符作为一个数据的标志，但二者读出来的数据格式还是不一样的，read_table是以制表符 \t 作为数据的标志，也就是以行为单位进行存储。
read_table:每一行字符串为一列
read_csv:每一个字符串作为一列

1.1.3
任务三：每1000行为一个数据模块，逐块读取

1.1.4
任务四：将表头改成中文，索引改为乘客ID

PassengerId => 乘客ID
Survived => 是否幸存
Pclass => 乘客等级(1/2/3等舱位)
Name => 乘客姓名
Sex => 性别
Age => 年龄
SibSp => 堂兄弟/妹个数
Parch => 父母与小孩个数
Ticket => 船票信息
Fare => 票价
Cabin => 客舱
Embarked => 登船港口

index_col=’乘客ID‘，第一列为乘客ID

Q: 还有其他的方法吗 ？

全部重命名 columns = new_columns，新列名的长度必须与旧列名一致。

如果部分重命名：

1.2.1
任务一：查看数据的基本信息

1.2.2
任务二：观察表格前10行的数据和后15行的数据
df.head(10)
df.tail(15)
和硬币的正面反面字母一样hhh

1.2.3
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().head()
（中间的莫名消失了。。。。都操作了，没看见了，悲剧的括号）

1.3
保存数据
3.2.1
任务一：利用Pandas对示例数据进行排序，要求升序

arange ，reshape都是numpy中的内容，已学习。

sort_values:
df.sort_values(by=‘b’) 等同于df.sort_values(by=‘b’,axis=0)
必须指定by参数，即必须指定哪几行或哪几列
axis：{0 or ‘index’, 1 or ‘columns’}, default 0，默认按照列排序，即纵向排序；如果为1，则是横向排序。

df. sort_index()可以完成和df. sort_values()完全相同的功能，但python更推荐用只用df. sort_index()对“根据行标签”和“根据列标签”排序，其他排序方式用df.sort_values()。


frame.sort_values(by=[‘a’, ‘c’])
默认行标签升序排列

3.2.2
任务二：对泰坦尼克号数据（trian.csv）按票价和年龄两列进 行综合排序（降序排列），从数据中你能发现什么

从表格看出，票价越高，应该仓位越好，从前30位可以看出，有21位幸存，比率为70%。
年龄区间跨度比较大，是否和家族有关呢？
3.2.3
任务三：利用Pandas进行算术计算，计算两个DataFrame数 据相加结果

两个DataFrame相加后，会返回一个新的DataFrame，对应的行和列的值会相加，没有对应的会变成空值NaN。

3.2.4
任务四：通过泰坦尼克号数据如何计算出在船上最大的家族有 多少人？


3.2.5
任务五：学会使用Pandas describe()函数查看数据基本统计信 息

总票数为891，平均值为32.2，标准差为49.7，25%的人票价低于8元，50%的人票价低于14.5元，75%的人票价低于31元，而最高票价为512.3元。

总数据为891个，平均值为0.38，子女个数非常少，标准差为0.806,最小值为0，25%，50%，75%区间的数据都为零，也就是有孩子的人数非常少，拥有最多小孩的有6人。