1.1 載入數據

1.1.1 任務一：導入numpy和pandas

截屏2021-06-13 15.13.01.png

2）絕對路徑：完整的路徑

• ../ 表示當前文件所在的目錄的上一級目錄

• ./ 表示當前文件所在的目錄(可以省略)

• / 表示當前站點的根目錄
  使用os.getcwd() 獲取得知文件當前工作目錄路徑（絕對路徑）
  用pd.read_csv() 和pd.read_table()讀取數據時，可以得到

  
  
  截屏2021-06-15 09.20.32.png
  
  
  截屏2021-06-15 09.20.42.png

• pd.read_csv()默認分隔符為',' (逗號)

• pd.read_table()默認分隔符為'/t' (tab)
  用pd.read_csv()和pd.read_table()讀取csv文件時，二者的呈現不同，前者更加清晰，后者數據用逗號隔開，相對不清晰

用pd.read_table()讀取csv文件時，需要調整參數，加上',' 即可得到與pd.read_csv()讀取csv文件時的呈現相同（如圖）

截屏2021-06-15 12.15.23.png

TSV是用制表符（Tab,'\t'）作為字段值的分隔符；CSV是用半角逗號（','）作為字段值的分隔符

1.1.3 任務三：每1000行為一個數據模塊，逐塊讀取

截屏2021-06-15 12.41.40.png

1.1.4 任務四：將表頭改成中文，索引改成乘客ID
header=0 表示文件第0行（索引從0開始）為列索引，這樣加names會替換原來的列索引。

截屏2021-06-15 13.00.09.png

1.2 初步觀察

1.2.1 任務一：查看數據基本信息
查看數據基本信息 df.info()

1.2.2 任務二：觀察表格前10行和后15行數據

• df. head (10) 和 df. tail (15)
  若將二者合并一起觀察即為

  
  
  截屏2021-06-15 13.09.26.png

1.2.4 任務四：判斷數據是否為空，空的返回True，其余返回False

1.3 保存數據

• df.to_csv('./titanic/train_Chinese.csv') 是dataframe類的方法，保存csv文件到相對位置下

1.4 知道數據叫什么

1.4.1 任務一：了解dataframe和series，寫個小例子

• numpy具有優秀的計算機能，pandas在numpy的基礎上，具有數據分析能力

• pandas一維數據結構：Series（向量）二維數據結構：Dataframe
  pd.Series() 即可創建series函數

  
  
  截屏2021-06-15 14.18.31.png
  
  

  pd.Dataframe()創建Dataframe結構

  
  
  截屏2021-06-15 14.36.34.png

1.4.2 任務二：載入數據

• df = pd.read_csv('./titanic/train.csv')

1.4.3 任務三：查看dataframe每列項

• df.columns

1.4.4 任務四：查看Cabin所有項

• df.Cabin

1.4.5 任務五：刪除多余列
發現test_1.csv與train.csv的區別在于列a

• df = pd.read_csv('./titanic/test_1.csv')
• del df['a']

1.4.6 任務六：隱藏多個指定列

• df.drop(['PassengerId','Name','Age','Ticket'],axis=1)
  axis=1 代表跨列，axis=0代表跨行
  若用drop語法完成任務五，即為
• df.drop('a',axis=1)

【思考回答】
若需完全刪除數據結構，即為

• df.drop('columns',axis=1,inplace='True')
• 在這里 就是df.drop('a',axis=1, inplace='True') 使用inplace就將原數據覆蓋

1.5篩選邏輯

1.5.1 任務一：以"Age"為篩選條件，顯示年齡在10歲以下的乘客信息。

• df[df["Age"]<10]

1.5.2 任務二：以"Age"為條件，將年齡在10歲以上和50歲以下的乘客信息顯示出來，并將這個數據命名為midage
midage= df[(df["Age"]>10)&(df["Age"]<50)]
&表示兩組數據集合

1.5.3 任務三：將midage的數據中第100行的"Pclass"和"Sex"的數據顯示出來

截屏2021-06-15 19.37.54.png

如果缺少了midage = midage.reset_index(drop=True)這一步驟，我們會發現得出的數據不同，reset前的midage最后一條index的數字是890，但reset后最后一條index的數字是575，說明過濾掉了一些數據，那么沒有reset這個步驟的話，得到的index=100的數據不一定是第100條的數據

1.5.4 任務四：將midage的數據中第100，105，108行的"Pclass"，"Name"和"Sex"的數據顯示出來

• midage.loc[[100,105,108],['Pclass','Name','Sex']]
• loc只能通過index和columns來取，不能用數字

1.5.5 任務五：使用iloc方法將midage的數據中第100，105，108行的"Pclass"，"Name"和"Sex"的數據顯示出來

• midage.iloc[[100,105,108],[3,4,5]]
• iloc只能用數字索引，不能用索引名

1.6 了解數據

1.6.1 任務一：利用Pandas對示例數據進行排序，要求升序

1. 行索引升序

• df.sort_index(axis=0, ascending=True)
• axis=0 代表行，ascending=True 代表升序

2. 列索引升序

• df.sort_index(axis=1, ascending=True)
• axis=1 代表列

3. 列索引降序，ascending=False 代表降序

• df.sort_index(axis=1, ascending=False)
• ascending=False 代表降序

4. 讓任選兩列數據同時降序排序

• df.sort_values(by=['e','d'],ascending=False)
• 發現df.sort_index(axis=1,by=['e','d'],ascending=False)運行錯誤：sort_index()不與by共用

1.6.2 任務二：對泰坦尼克號數據（trian.csv）按票價和年齡兩列進行綜合排序（降序排列

• df.sort_values(by=['票價','年齡'],ascending=False)
  同時考慮以下關系
• df.sort_values(by=['票價','是否幸存'],ascending=False)
• df.sort_values(by=['是否幸存','乘客等級(1/2/3等艙位)'],ascending=True)
• df.sort_values(by=['是否幸存','性別'],ascending=False)
• 發現票價高的，乘客等級高的，男性，存活率大

1.6.3 任務三：利用Pandas進行算術計算，計算兩個DataFrame數據相加結果

截屏2021-06-15 21.13.14.png

截屏2021-06-15 21.13.21.png

• 對應的行和列的值會相加，沒有對應的會變成空值NaN
• frame_a * frame_b

1.6.4 任務四：通過泰坦尼克號數據如何計算出在船上最大的家族有多少人？

• 最大的家族人數即為乘客的（兄弟姐妹個數+父母子女個數）的最大值
• max(df['兄弟姐妹個數'] + df['父母子女個數'])

1.6.5 任務五：學會使用Pandas describe()函數查看數據基本統計信息

• frame2.describe()將會看到數據基本信息統計
  count : 樣本數據大小
  mean : 樣本數據的平均值
  std : 樣本數據的標準差
  min : 樣本數據的最小值
  25% : 樣本數據25%的時候的值
  50% : 樣本數據50%的時候的值
  75% : 樣本數據75%的時候的值
  max : 樣本數據的最大值

1.6.6 任務六：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，你能發現什么？

• 用df['票價'].describe()查看某一列數據基本統計數據

  
  
  截屏2021-06-15 21.37.17.png
• 得知票價平均值約32.2，最大值512.32，可知票價差距很大；標準差約為49.69，票價波動大
• 得知幸存概率較低
• 得知男性乘客有577名