数据分析1--DataWhale

数据分析要做的事情是基于一定的问题背景，对数据进行分析，分析后的最终目的还是回归现实，指导我们接下来的行动，所以第一步是阅读问题背景和材料，下载数据集。本次数据集来自kaggle泰坦尼克号的数据，对幸存情况进行分析和建模，并预测测试集上的数据。（pandas的基本操作方法另行记录）

一、阅读材料，了解问题背景，下载数据集

二、使用python进行数据分析

1.导入numpy和pandas

2.导入数据集：df=pd.read_csv（‘路径（绝对或相对）’）

注：1）可以用os.getcwd（）查看当前工作目录

2）导入时可以添加参数：names=【】对列名进行更改，index_col=’XXX‘来更改索引，方便阅读。

3）保存数据：df.to_csv('路径')

3.初步观察数据，所用指令包括df.info（）；df.head()；df.tail（），观察的内容主要是数据有多少行，什么格式，有没有空值df.isnull（）

对数据进行初步的统计分析，均值方差最值，四分分位数等：df.describe()

4.对数据进行筛选和排序：

1）以年龄筛选数据：children = df[df[“年龄”]<15]，midage = df[（df[“年龄”]>30）&（df[“年龄”]<50）]

注：筛选完之后需要用reset_index（）函数对截取的片段重新分配索引，不然使用的是大数据集的索引

2）使用loc和iloc方法截取数据片段：midage.loc[[100,105,108],['Pclass','Name','Sex']]、midage.iloc[[100,105,108],[2,3,4]]两者取出的是同一个片段。

注：易见loc方法的列索引需要打出列名，而iloc方法只需要列序号。

3)根据某条件对数据进行排序：df.sort_values(by=['票价', '年龄'], ascending=False)

注：排序特别容易看出数据之间的相关性，为我们的数据分析提供思路，比如票价越高，幸存比例越高（钱能救命诚不我欺），female的幸存率远高于male（救援的优先度），进一步可以猜测，壮年因为体力好是否幸存率更高，老年因为救援的优先度是否幸存率更高，家庭人数多的是否因为群体协作而有更高的幸存率等等，这些都可以通过截取和排序而得出直观的结果。