动手学数据分析 -- Task01_3
复习：在前面我们已经学习了Pandas基础，知道利用Pandas读取csv数据的增删查改，今天我们要学习的就是探索性数据分析，主要介绍如何利用Pandas进行排序、算术计算以及计算描述函数describe()的使用。
1 第一章：探索性数据分析
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")
1.6 了解你的数据吗？
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
我们举了一个例子
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
sample = pd.DataFrame(np.random.randn(3,3), index = list('213'), columns = list('bca'))
【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
回答代码
sample.sort_values('b')
【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
#代码
sample.sort_index()
2.让列索引升序排序
#代码
sample.sort_values(anxis = 1)
3.让列索引降序排序
#代码
sample.sort_index(axis = 1, ascending = False)
4.让任选两列数据同时降序排序
#代码
sample.sort_values(['a', 'c'], ascending = False)
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？
在开始我们已经导入了train_chinese.csv数据，而且前面我们也学习了导入数据过程，根据上面学习，我们直接对目标列进行排序即可
head(20) : 读取前20条数据
#代码
df.sort_values(['票价', '年龄'], ascending = False)
【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20的乘客中存活的有14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。
当然，这只是我的想法，你还可以有更多想法，欢迎写在你的学习笔记中。
**多做几个数据的排序**
#代码
df.sort_values(['票价'], ascending = False)
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
自己构建两个都为数字的DataFrame数据
我们举了一个例子：
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
#代码
x = pd.DataFrame(np.random.randn(3,3), index = list('213'), columns = list('bca'))
y = pd.DataFrame(np.random.randn(3,3), index = list('413'), columns = list('bcd'))
将frame_a和frame_b进行相加
#代码
x + y
【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，有兴趣的同学可以看《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。
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？
还是用之前导入的chinese_train.csv如果我们想看看在船上，最大的家族有多少人（‘兄弟姐妹个数’+‘父母子女个数’），我们该怎么做呢？
#代码
df['堂兄弟/妹个数'] + df['父母与小孩个数']
max(df['堂兄弟/妹个数'] + df['父母与小孩个数'])
【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，当然你还可以想出很多方法和思考角度，欢迎你来说出你的看法。
多做几个数据的相加，看看你能分析出什么？
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
我们举了一个例子：
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
#代码
df.describe()
调用 describe 函数，观察frame2的数据基本信息
#代码
df.describe()
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？
看看泰坦尼克号数据集中 票价 这列数据的基本统计数据
#代码
df['票价'].describe()
df['父母与小孩个数'].describe()
【思考】从上面数据我们可以看出，试试在下面写出你的看法。然后看看我们给出的答案。
当然，答案只是我的想法，你还可以有更多想法，欢迎写在你的学习笔记中。
多做几个组数据的统计，看看你能分析出什么？
# 写下你的其他分析
from matplotlib import pyplot as plt
plt.hist(df['年龄'])
【思考】有更多想法，欢迎写在你的学习笔记中。
【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，这也是第一章最重要的点，希望大家学完第一章能对数据有个基本认识，了解自己在做什么，为什么这么做，后面的章节我们将开始对数据进行清洗，进一步分析。
