开始之前，导入numpy、pandas包和数据 1.6 了解你的数据吗？
1.6.1 任务一：利用Pandas对示例数据进行排序，要求升序1.6.2 任务二：对泰坦尼克号数据（trian.csv）按票价和年龄两列进行综合排序（降序排列），从这个数据中你可以分析出什么？1.6.3 任务三：利用Pandas进行算术计算，计算两个Dataframe数据相加结果1.6.4 任务四：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？1.6.5 任务五：学会使用Pandas describe()函数查看数据基本统计信息1.6.6 任务六：分别看看泰坦尼克号数据集中 票价、父母子女 这列数据的基本统计数据，你能发现什么？
开始之前，导入numpy、pandas包和数据#加载所需的库 import numpy as np import pandas as pd
#载入之前保存的train_chinese.csv数据，关于泰坦尼克号的任务，我们就使用这个数据
df = pd.read_csv('train_chinese.csv')
df.head()
教材《Python for Data Analysis》第五章
1.6.1 任务一：利用Pandas对示例数据进行排序，要求升序# 具体请看《利用Python进行数据分析》第五章 排序和排名 部分 #自己构建一个都为数字的Dataframe数据 df = pd.Dataframe(np.arange(8).reshape((2,4)), index = [2, 1], columns = ['d', 'a', 'b', 'c']) df
【代码解析】
pd.Dataframe() ：创建一个Dataframe对象
np.arange(8).reshape((2, 4)) : 生成一个二维数组（2*4）,第一列：0，1，2，3 第二列：4，5，6，7
index=['2, 1] ：Dataframe 对象的索引列
columns=[‘d’, ‘a’, ‘b’, ‘c’] ：Dataframe 对象的索引行
【问题】：大多数时候我们都是想根据列的值来排序,所以将你构建的Dataframe中的数据根据某一列，升序排列
df.sort_values(by = "c", ascending=True)#默认为True
【思考】通过书本你能说出Pandas对Dataframe数据的其他排序方式吗？
【总结】下面将不同的排序方式做一个总结
1.让行索引升序排序
df.sort_index()
2.让列索引升序排序
df.sort_index(axis = 1)
3.让列索引降序排序
df.sort_index(axis = 1, ascending=False)
4.让任选两列数据一列升序，一列降序
df.sort_values(['a','c'], ascending=[True, False])
df = pd.read_csv('train_chinese.csv')
df.sort_values(["票价", "年龄"], ascending=False).head(10)
【思考】排序后，如果我们仅仅关注年龄和票价两列。根据常识我知道发现票价越高的应该客舱越好，所以我们会明显看出，票价前10的乘客中存活的有8人，这是相当高的一个比例，那么我们后面是不是可以进一步分析一下票价和存活之间的关系，年龄和存活之间的关系呢？当你开始发现数据之间的关系了，数据分析就开始了。
1.6.3 任务三：利用Pandas进行算术计算，计算两个Dataframe数据相加结果# 具体请看《利用Python进行数据分析》第五章 算术运算与数据对齐 部分
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
将frame_a和frame_b进行相加
frame1_a + frame1_b
【提醒】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。
当然，Dataframe还有很多算术运算，如减法，除法等，详细内容可以看《利用Python进行数据分析》第五章 算术运算与数据对齐 部分，多在网络上查找相关学习资料。
df1 = df["兄弟姐妹个数"] + df["父母子女个数"] df["家族人数"] = max(df1) df[df1 == max(df1)]
【提醒】我们只需找出”兄弟姐妹个数“和”父母子女个数“之和最大的数。
1.6.5 任务五：学会使用Pandas describe()函数查看数据基本统计信息#(1) 关键知识点示例做一遍（简单数据）
# 具体请看《利用Python进行数据分析》第五章 汇总和计算描述统计 部分
#自己构建一个有数字有空值的Dataframe数据
frame2 = pd.Dataframe([[1.4, np.nan],
[7.1, -4.5],
[np.nan, np.nan],
[0.75, -1.3]
], index=['a', 'b', 'c', 'd'], columns=['one', 'two'])
frame2
调用 describe 函数，观察frame2的数据基本信息
print(frame2.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 '''
one two count 3.000000 2.000000 mean 3.083333 -2.900000 std 3.493685 2.262742 min 0.750000 -4.500000 25% 1.075000 -3.700000 50% 1.400000 -2.900000 75% 4.250000 -2.100000 max 7.100000 -1.300000 'ncount : 样本数据大小nmean : 样本数据的平均值nstd : 样本数据的标准差nmin : 样本数据的最小值n25% : 样本数据25%的时候的值n50% : 样本数据50%的时候的值n75% : 样本数据75%的时候的值nmax : 样本数据的最大值n'1.6.6 任务六：分别看看泰坦尼克号数据集中 票价、父母子女 这列数据的基本统计数据，你能发现什么？
df['票价'].describe()
count 891.000000 mean 32.204208 std 49.693429 min 0.000000 25% 7.910400 50% 14.454200 75% 31.000000 max 512.329200 Name: 票价, dtype: float64
【思考】从上面数据我们可以看出，一共有891个票价数据，平均值约为：32.20，标准差约为49.69，说明票价波动特别大，25%的人的票价是低于7.91的，50%的人的票价低于14.45，75%的人的票价低于31.00，票价最大值约为512.33，最小值为0。
df['父母子女个数'].describe()
count 891.000000 mean 0.381594 std 0.806057 min 0.000000 25% 0.000000 50% 0.000000 75% 0.000000 max 6.000000 Name: 父母子女个数, dtype: float64
【思考】从上面数据我们可以看出，一共891个父母子女个数数据，平均值约为：0.38，标准差约为0.80，说明票价波动特别大，75%的人的父母子女个数为0，父母子女个数的最大值约为6，最小值为0。
【总结】本节中我们通过Pandas的一些内置函数对数据进行了初步统计查看，这个过程最重要的不是大家得掌握这些函数，而是看懂从这些函数出来的数据，构建自己的数据分析思维。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）