数据分析01_数据观察

本次学习数据以Titanic为例，链接：https://www.kaggle.com/competitions/titanic/data

本次学习工具：jupyter

本次学习目录文件：

数据分析主要使用python的numpy和pandas库

import numpy as np
import pandas as pd

一、载入数据

　　读取文件：read_csv(csv_name)

　　1.相对路径读取文件

df1 = pd.read_csv('train.csv')

　　【注意点】

　　　　① 相对路径载入失败，查看当前路径

import os
opppath = os.getcwd()

　　2.绝对路径读取文件

　　　　① 查看绝对路径

import os
abs_path = os.path.abspath('train.csv')

　　　　② 绝对路径读取文件

df2 = pd.read_csv(abs_path)

　　【注意点】

　　　　① 读取其他格式文本，如.xlsx，.tsv等格式

df3 = pd.read_excel('train.xlxs')

df4 = pd.read_csv('train.tsv', sep='\t')

　　　　② read_csv()与read_table()的区别在于分隔符，前者按照逗号“,”分隔，后者按照制表符“\t”分隔

　　　　　　源文件

　　　　　　

　　　　　　read_csv()载入的文件，以“,”分隔，因此多列

　　　　　　

　　　　　　read_table()载入的文件，以“\t”分隔，因此1列

　　　　　　

　　3.数据模块

　　4.表头中英文替换

　　　　初始文件表头

　　　　

　　　　① colunms：直接替换

df1.columns = ['乘客ID','是否幸存','乘客等级(1/2/3等舱位)','乘客姓名','性别','年龄','堂兄弟/妹个数','父母与小孩个数','船票信息','票价','客舱','E登船港口']

　　　　

　　　　② read_csv(file, names=[], header)读取文件时修改表头

　　　　　　i. 增加表头

df7 = pd.read_csv('train.csv', names=['乘客ID','是否幸存','乘客等级(1/2/3等舱位)','乘客姓名','性别','年龄','堂兄弟/妹个数','父母与小孩个数','船票信息','票价','客舱','E登船港口'])

　　　　

　　　　　　ii.替换表头

df7 = pd.read_csv('train.csv', names=['乘客ID','是否幸存','乘客等级(1/2/3等舱位)','乘客姓名','性别','年龄','堂兄弟/妹个数','父母与小孩个数','船票信息','票价','客舱','E登船港口'],header=0)

　　　　

三、文件信息

　　1.查看基本信息

　　　　① 直接输入名称，显示整个数据集

df1

　　　　

　　　　② info() ：输出

df1.info()

　　　　

　　　　③ describe()：输出所有列的各参数

df1.describe()

　　　　

　　　　④ columns：输出列

df1.columns

　　　　

　　　　⑤ name： 输出特定列的内容

　　　　

　　2.查看前10行和后15行

　　　　① head(num)：参数缺省时为前5行，加参数则num行

　　　　

 

 

 　　　  

　　　　② head().T为转置

　　　　

　　　　③ tail(num) ：参数缺省时为后5行，加参数则num行

　　　　

　　　　

　　　　④ tail().T为转置

　　　　

　　3. 判断数据是否为空，空返回true，其余范围false

　　　　① isnull()：判断是否为空

　　　　

　　　　② isnull().sum() ：空数据汇总

　　　　

　　4. 保存文件为train_chinese.csv

　　　　① to_csv()

df7.to_csv('train_chinese.csv')