python的pandas处理数据第一次

一、这是kaggle上面的泰坦尼克号题，看帖子上有数据探索过程，照着做了一下，感觉跟R差不多，应该是我还没有深入学吧。

二、matplotlib的作图子包pyplot先学一下，plt.figure()是定义一个图像，再用figure.add_subplot()方法增加子图，设置图的排列顺序。

import pandas as pd
import matplotlib.pyplot as plt

dt=pd.read_csv('C:\\Users\\Administrator\\Desktop\\tatannic\\train.csv')
#第二个图，年纪和人数的关系
age=dt.Age
mean=age.mean()
age=age.fillna(mean)
fig=plt.figure()
ax=fig.add_subplot(1,2,1)
ax.hist(age,bins=10)
plt.xlabel('Age')
plt.ylabel('Count of people')


#第二个图，船票和人数的关系
fare=dt.Fare
ax=fig.add_subplot(1,2,2)
ax.hist(fare,bins=10)
plt.xlabel('fare')
plt.show()


#画船票和人数的箱子图
fig2=plt.figure()
ax=fig2.add_subplot(1,1,1)
ax.boxplot(fare)
plt.xlabel('fare')

plt.ylabel('Count of people')

三、数据的groupby、

一直按照结合sql语句、R语言，python学习数据处理，基本上思想都是处理一个表。

pandas中的groupby是一个方法，参数是某一列。

>dt.groupby(['Pclass','Survived']).Pclass.count()
Out[52]: 
Pclass  Survived
1       0            80
        1           136
2       0            97
        1            87
3       0           372
        1           119
Name: Pclass, dtype: int64

会按照Pclass和Survived聚合，而且会分别做统计。

统计每个Pclass每一类字段对应的Survived属性的总量。

>dt.groupby('Pclass').Survived.count()
Out[66]: 
Pclass
1    216
2    184
3    491

统计每个Pclass每一类字段对应的Survived属性为1的总量

>dt.groupby(['Pclass']).Survived.sum()
Out[71]: 
Pclass
1    136
2     87
3    119
Name: Survived, dtype: int64