【pandas】结合泰坦尼克生还分析讲讲pandas常用基础操作

1.导入库

首先，我们要把我们的工具：pandas,从工具箱里拿出来

import pandas as pd

2.数据读取

pandas是一个处理数据的全能型工具箱,你能想到的任何数据处理的操作,它都能做
然后用pandas取出我们要加工的对象:数据集。

data = pd.read_csv("Titanic.csv")

3.基本信息查看

查看数据有哪些字段:

# 查看数据有哪些字段
data.columns# 描述性统计分析
data.describe()# 展示前3行数据
data.head(3)

4.获取列

# 获取单列
data.Name
# 获取多列
data[["Name","Age"]]

5.缺失值处理

有时候数据并不不完整,存在一些缺失,这时候可以对缺失值进行一些填充

# 查看各列缺失值个数
data.isnull().sum()# 指定值填充缺失值
data.Embarked.fillna("S")# 均值填充
data.Age.fillna(data.Age.mean())

6.数据映射

在Excel中,VLOOKUP是很常用的方法,当然pandas也能做到
例如:将数据中’male’映射为1,'female’映射为0

mapping = {"male":1, "female":0}
data.Sex.map(mapping)

7.删除数据

当我不想要一些数据时,可以把它删除掉
例如PassengerId,仅仅是一个ID,没有实际意义,那么可以把它删除掉

data.drop("PassengerId",axis=1)

8.增加数据

可以根据一列或多列,计算出新的列,这在pandas里十分常见
在数据集中,SibSp表示乘客兄弟姐妹的数量,Parch表示父母孩子的数量
可以新建一列family,表示在船上他又多少个亲人

data["family"] = data["SibSp"] + data["Parch"]

9.筛选查找

筛选查找是十分常用且重要的操作.pandas提供了比数据库更简洁优雅的查找操作.
例如:筛选出生还的乘客:

data.query("Survived == 1")

再例如:筛选大于八十岁的生还乘客:

data.query("Survived == 1 and Age >= 80")

10.排序

例如,按照年龄降序排列

data.sort_values(by = ["Age"],ascending = False)

11.数据透视

结合数据透视,我们一起分析一下泰坦尼克号生存情况如何

1).船舱等级与生存率

以船舱等级为行,生存情况为列 ; 对生存情况求平均,可以得到生存率

Pclass
1    0.629630
2    0.472826
3    0.242363
Name: Survived, dtype: float64

可以看到船舱等级越高,生还概率越大. 实际上,船舱等级越高,安全就越有保障,例如离逃生舱更近,有更高几率逃生.

2).性别与生存率

以船舱等级为行,生存情况为列 ; 对生存情况求平均

Sex
female    0.742038
male      0.188908
Name: Survived, dtype: float64

女性生存率远远高于男性,这也体现出19世纪英国人的绅士风度,在大难临头时让女人孩子老人先上逃生船

12.简单绘图

结合图片,我们最后看看年龄与生还率之间的关系

3).年龄与生存率

df1 = data.query("Survived == 1").Age
df2 = data.query("Survived == 0").Ageimport matplotlib.pyplot as plt
plt.hist([df1,df2],stacked=True,label=['Rescued','not saved'])plt.legend()
plt.title('title')
plt.title('Age_Survived')