今天主要任務是：（1）數據加載及初步觀察；（2）pandas基礎；（3）探索性數據分析

（1）數據加載及初步觀察

import numpy as np

import pandas as pd

import os

os.getcwd()

data= pd.read_csv('train.csv')

pd.read_csv()和pd.read_table()區別是兩著行與行之間的分隔符不一樣 在read_csv（）中，定界符為,，在read_table（）中，定界符為\ t。

更換DATaFrame的列索引和和行索引
data.columns=names

data=data.set_index('乘客ID')# 開始用該段代碼data.index=data['乘客ID']，存在問題是ID作為行索引，但ID還在數據中

查看數據的基本情況

data.info()

data.describe()

data.head()#讀前5行，data.head(n=10)

data.tail()#讀最后5行，data.tail(n=10)

data.isnull().sum()#查看所有列中無效值

Pandas的兩種數據類型，Series和DataFrame

Series是一維數組，有列索引

DataFrame多維數組，對應多個索引

data['Cabin'].value_counts()# 這個函數很有用，表示該列中不同類別的個數

Pandas操作

del test_1['a']

test_1.drop(['a'，‘b’],axis=1)#敲代碼是把axis=1沒有輸入，代碼有問題

data.drop(['PassengerId','Name','Age','Ticket'],axis=1).head()#data本身沒有變化，只是顯示中沒有上述幾項

midage= data[(data['Age']>10) & (data['Age']<50)]# 兩個條件有小括號

midage.loc[[100],['Pclass','Sex']]#midage = midage.reset_index(drop=True)如果不進行重定位，取出來的值是錯誤的

midage.loc[[100,105,108],['Pclass','Name','Sex']]

midage.iloc[[100,105,108],[2,3,4]]#loc 和iloc 區別

frame.sort_values(by=['a','c'],ascending=False)#對兩列進行排序的原理還沒有弄清？

對分別看看泰坦尼克號數據集中 票價、父母子女 這列數據的基本統計數據

text[年齡'].describe()# 可以顯示某列數據的各種統計數據

count 714.000000

mean? ? ? 29.699118

std? ? ? 14.526497

min? ? ? ? 0.420000

25%? ? ? 20.125000

50%? ? ? 28.000000

75%? ? ? 38.000000

max? ? ? 80.000000

Name: 年齡, dtype: float64

總的心得：（1）必須對所處理的數據進行較為詳細的分析，今天的任務只給了一個簡單的引導，后續還應該對DATaFrame的各種函數進行熟練操作；（2）要有數據敏感性，并不是所有的數據都是對確定目標有意義的，比如在本次任務中，助教就給出了票價和生存之間可能存在強相關