kaggle上的pandas小技巧

kaggle上有很多大神，对数据处理非常有心得。感觉是时候做一次总结。

这一次主要是介绍kaggle上的titanic数据集的一个notebook。链接为： https://www.kaggle.com/startupsci/titanic-data-science-solutions

这个notebook主要的还是面向入门的python数据处理用户。

Q1：如何获得pandas里面数据框（DataFrame）的列名字，如何提取，如何修改？

对于上面的train这个数据的列名字，可以使用train.columns, train.columns.values来获得，获得的效果是不一样的，但是都是支持切片的，train.columns是index这个对象，train.columns.values是numpy里面的数组。这里是值得注意的。

如果想修改这个数据框里面的列的名字，可以使用rename函数：比如我们想将train里面的Surivived改为ssurvived,使用rename，然后将要修改的东西放到字典里面，传递给新的变量。就可以这样写：

实际上还可以使用想修改的名字对应的位置进行修改。

 

Q2 如何查看描述性统计？

上面的train他有连续型数据和分类型数据，一般都是使用train.describe()就可以查看出连续型数据的一些描述性结果：

上面的没有分类型变量的描述性统计，其实这个describe（）函数非常强，里面加个参数，就能看得出来：

注意，include传递的是英文字符、大写的opq的O。不是数字0.