【TL第二期】动手学数据分析-第一章数据基本操作

文章目录

第一章
- 第一节数据载入与初步观察
- - 0 导库
  - 1 载入数据
  - 2 查看数据基本信息
- 第二节 pandas基础
- - 1 数据类型DataFrame 和 Series
  - 2 对文件数据的基本操作
- 3 数据筛选
第三节探索性数据分析

第一章

第一节数据载入与初步观察

0 导库

导入pandas、numpy（都是用于数据分析的库）

1 载入数据

使用相对路径或绝对路径打开文件

相对路径：如果在同一文件夹下，直接访问文件名；如果不在同一级目录下：

./：代表目前所在的目录

../：代表上一层目录

以/开头：代表根目录

绝对路径：

import os
import  pandas as pd
os.path.abspath('.')   #表示当前所处的文件夹的绝对路径
os.path.abspath('..')  #表示当前所处的文件夹上一级文件夹的绝对路径
data  = pd.read_csv('.\data\LJdata.csv')'  #表示当前所处的文件夹里data文件夹里的LJdata.csv文件

read_csv 和read_table的区别

存储效果不同，read_table按行存储，没有分隔（默认使用原始的逗号分隔）；read_csv使用制表符进行分隔
逐块读取

适合数据条数较多时。

补充：

返回的数据类型：使用read_csv返回DataFrame类型，加入chunksize属性之后返回的是TextFileReader对象。

DataFrame类型可以显示，可以使用head()获取头部数据；TextFileReader对象不可以

可以使用get_chunk()函数获取逐块的数据

将表头改为中文

# 方法一：逐列修改列名
df.columns = ['乘客ID','是否幸存',''...]
#区别于方法二，该方法修改了方法本身# 方法二：在导入文件时修改
df = pd.read_csv('train.csv', names=['乘客ID','是否幸存',''...])
# 多加一行，不修改其数据本身

2 查看数据基本信息

df.describe()
# 会对每一列数据进行简单的分析：总数、平均数

显示前几行/后几行数据

df.head(10) #显示前10行数据
df.tail(15) #显示前15行数据

判断数据是否为空

# pandas.isnull(object)
df.isnull() #即可显示哪些数据为空

保存数据

df.to_csv('train_chinese.csv')

第二节 pandas基础

1 数据类型DataFrame 和 Series

DataFrame ：（二维标签数据结构）

可以用Series生成

d = {'one': pd.Series([1., 2., 3.], index=['a', 'b', 'c']),'two': pd.Series([1., 2., 3., 4.], index=['a', 'b', 'c', 'd'])}
# 生成字典d, d的第一个key对应第一个Series
# DataFrame的最终形式类似于一张二维表格

Series：带标签的一维数组（一维标签数据结构），可以存储整数、浮点数、字符串、python对象等类型的数据。标签统称为索引。
```
s = pd.Series(np.random.randn(5), index=['a','b','c','d','e'])
# 使用numpy生成五个随机数，并带上标签
```
```
s1 = pd.Series([1,2,3,4,5], index =['a','b','c','d','e'])
# 当然也可以自己手动输入数据，并附上标签
```
Series可以用字典实例化：
```
s = pd.Series({'b':1, 'a':0, 'c':2})
```
python中的字典是另一种可变容器模型，且可存储任意类型对象。

字典的每个键值对 key=>value 用冒号：分割，每个键值对之间用逗号，分割，整个字典包括在花括号 {} 中

2 对文件数据的基本操作

查看DataFrame数据的每一列的名称

df = pd.read_csv('train.csv')
df.columns

查看某一列的所有数值

df['Cabin'].head(3)
# 或者df.Cabin.head(3)，其中Cabin为该列的列名

对比两个文件的列的差别，并删除不相同的列

del test_1['a'] #方法一
test_1.pop('a') #方法二
test_1.drop(['a'], axis=1)
#方法三，该方法返回的是一个副本，而不是test_1本身；如果需要将源文件中保持修改，需要用到inplace参数（默认为Flase，改为True）。#其中，'a'是列名

python中的布尔值True/False需要大写。

隐藏某几列的元素

直接使用drop方法（不使用inplace参数），返回一个副本。相当于隐藏某几列。

3 数据筛选

以"Age"为筛选条件，显示年龄在10岁以下的乘客信息
```
df['Age']<10 #会返回一列True/False的值，为比较的结果df[df['Age']<10] # 返回筛选后的数据集，列项完整
```
下方语句使用了索引，使用[]放置需要的条件。

索引类似于数组下标，表示其在有序数列中的位置。

以此类推，将条件放在[]内，可以搜索出指定的数据项
以"Age"为条件，将年龄在10岁以上和50岁以下的乘客信息显示出来，并将这个数据命名为midage
```
midage = df[(df["Age"]>10)& (df["Age"]<50)] # 也使用了索引
```
使用交集和并集的操作：

与、或：&、|

此案例中，用并集返回的数据条数会更多，因为并集返回的数据中有重合的部分

将midage的数据中第100行的"Pclass"和"Sex"的数据显示出来

midage = midage.reset_index(drop=True) #将序号重置，否则下一步操作将返回原数据表中的第100行数据
midage.loc[[100],['Pclass','Sex']]

reset_index()：

将DataFrame的序号重置

index()：

查看数据索引范围

使用loc方法将midage的数据中第100，105，108行的"Pclass"，"Name"和"Sex"的数据显示出来
```
# 需要先执行`reset_index`()方法
midage.loc[[100,105,108],['Pclass','Name','Sex']]
```
使用iloc方法将midage的数据中第100，105，108行的"Pclass"，"Name"和"Sex"的数据显示出来
```
midage.iloc[[100,105,108],[2,3,4]]
```
python中，获取某一行、列数据的方法

列：使用类似于字典的方法
```
df['a'] # a为列名
```
行：使用loc()或iloc()方法【但看着更像是列数据索引的区别】
```
midage.loc[[100,105,108],['Pclass','Name','Sex']]
midage.iloc[[100,105,108],[2,3,4]] # Pclass、Name、Sex分别在表中的第3、4、5列，但DataFrame从0开始计数，所以改为2、3、4.
```
对比loc()或iloc():
- loc()：通过行标签索引行数据
- iloc()：通过行号获取行数据

第三节探索性数据分析

利用Pandas对数据进行排序

# 可以对比创建时如何设置索引值
df = pd.DataFrame(np.random.randn(6,4) ,index=list('213'), colums=list('ABCD'))

frame = pd.DataFrame(np.arange(8).reshape((2, 4)),ndex=['2', '1'], columns=['d', 'a', 'b', 'c'])
# 创建DataFrame数据

排序：

# 按数值排序
frame.sort_values(by='c', ascending=True) # 降序排列
frame.sort_values('c') #默认升序#按索引排序 - 行索引
frame.sort_index()#按索引排序 - 列索引
frame.sort_index(axis=1) # axis设置为1,表示按列操作；默认为0，表示按行操作

排序方法的参数：

axis

ascend

对泰坦尼克号数据（trian.csv）按票价和年龄两列进行综合排序

text.sort_values(by=['票价', '年龄'], ascending=False).head(3)

利用Pandas进行算术计算，计算两个DataFrame数据相加结果

frame1_a = pd.DataFrame(np.arange(9.).reshape(3, 3),columns=['a', 'b', 'c'],index=['one', 'two', 'three'])
frame1_b = pd.DataFrame(np.arange(12.).reshape(4, 3),columns=['a', 'e', 'c'],index=['first', 'one', 'two', 'second'])frame1_a + frame1_b
# 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

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

max(text['兄弟姐妹个数'] + text['父母子女个数'])

Pandas describe()

count : 样本数据大小
mean : 样本数据的平均值
std : 样本数据的标准差
min : 样本数据的最小值
25% : 样本数据25%的时候的值
50% : 样本数据50%的时候的值
75% : 样本数据75%的时候的值
max : 样本数据的最大值

the end.

【TL第二期】动手学数据分析-第一章数据基本操作相关推荐

动手学数据分析第一章之探索性数据分析
要不今天开篇先吐槽一下工作,一句话--底层数据乱得我不想说话.今天一天很平静,跟昨天很像,下面是给我自己说的...关键是我们做的东西是服务于我们自己的,难道不应该是我们想看什么,顺便给某人看一下什么数 ...
Datawhale---动手学数据分析---第一章：数据载入及初步观察(泰坦尼克的任务)
1.1 载入数据数据集下载 Titanic - Machine Learning from Disaster | Kaggle 1.1.1 任务一:导入numpy和pandas import num ...
动手学习数据分析第一章内容
所想:所有的内容都是新的,之前没有接触过Markdown等内容,因此不清楚如何编辑文档,不知道如何将编辑的文档上传到网站上,一步一步来,总会有收获的,每天打卡也算是给自己一个鞭策,有点压力,尽量完成, ...
【Datawhale】动手学数据分析
动手学数据分析第一章:数据载入及初步观察载入数据任务一:导入numpy和pandas import numpy as np import pandas as pd 任务二:载入数据 train_ ...
【组队学习】【32期】动手学数据分析
动手学数据分析航路开辟者:陈安东.金娟娟.杨佳达.老表.李玲.张文涛.高立业领航员:范淑卷航海士:武者小路.曾心怡基本信息内容属性:精品入门课系列开源内容:https://github.c ...
【组队学习】【31期】动手学数据分析
动手学数据分析航路开辟者:陈安东.金娟娟.杨佳达.老表.李玲.张文涛.高立业领航员:陈玉立航海士:陈安东.武帅.肖涵哲.叶前坤.沈豪基本信息开源内容:https://github.com/d ...
【组队学习】【35期】动手学数据分析
动手学数据分析航路开辟者:陈安东.金娟娟.杨佳达.老表.李玲.张文涛.高立业领航员:六一航海士:郑园园.李牧轩.高岩基本信息开源内容:https://github.com/datawhale ...
【组队学习】【33期】动手学数据分析
动手学数据分析航路开辟者:陈安东.金娟娟.杨佳达.老表.李玲.张文涛.高立业领航员:张文恺航海士:武帅.戴治旭.初晓宇基本信息内容属性:精品入门课系列开源内容:https://github ...
【组队学习】【29期】6. 动手学数据分析
6. 动手学数据分析航路开辟者:陈安东.金娟娟.杨佳达.老表.李玲.张文涛.高立业领航员:李婉桦航海士:陈安东.叶前坤.18:46.吴卓辰.livid 基本信息开源内容:https://git ...

【TL第二期】动手学数据分析-第一章数据基本操作

文章目录

第一章

第一节数据载入与初步观察

0 导库

1 载入数据

2 查看数据基本信息

第二节 pandas基础

1 数据类型DataFrame 和 Series

2 对文件数据的基本操作

3 数据筛选

第三节探索性数据分析

【TL第二期】动手学数据分析-第一章数据基本操作相关推荐

最新文章

热门文章

【TL第二期】动手学数据分析-第一章 数据基本操作

文章目录

第一章

第一节 数据载入与初步观察

0 导库

1 载入数据

2 查看数据基本信息

第二节 pandas基础

1 数据类型DataFrame 和 Series

2 对文件数据的基本操作

3 数据筛选

第三节 探索性数据分析

【TL第二期】动手学数据分析-第一章 数据基本操作相关推荐

最新文章

热门文章

【TL第二期】动手学数据分析-第一章数据基本操作

第一节数据载入与初步观察

第三节探索性数据分析

【TL第二期】动手学数据分析-第一章数据基本操作相关推荐