数据分析随笔(python及pandas及matplotlib查看数据)

笔记：

import pandas as pd

对于csv数据文件，利用pd.read_csv()打开，如train_data=pd.read_csv('')

利用train_data.head()可以查看部分data

 

train_describe()可以得到统计数目，得到平均数、方差等特征（当然是针对数字类型的数据）

 

对于非数字类型的数据（字符型 数据），可以使用train_data['这里填带统计的标签'].value_counts()统计分类数目

如下显示的结果对应的是：某一个标签为property_area，标签下有semiurban urban rural等三个类别，统计对应数目

 

 

import matplot.pyplot as plt

train_data['标签'].hist(bins=50)

plt.show()

可以显示该标签下的数据分布，50表示y轴的间隔，以直方图显示，横轴表示数值范围，y轴表示数量

 

 

train_data.boxplot(column='标签')

plt.show()

可以显示该标签下的数值分布，观察分布是否均衡

比如下图表示，数据分布并不均匀，有极值出现

 

 

df.boxplot(column='标签1', by = '标签2')

plt.show()

可以将标签1下的数据再按照标签2进行数值分布绘制

如以下表示，已经按照受教育程度分类，受教育水平高的工资极值高，还能得到其他结论

 

注：在想要画图时，单独输入画图指令还不能显示图形，这时需要在另一行上输入plt.show()才可以，条件：import matplotlib.pyplot as plt