目錄

• • 1.導入庫
  • 2.數據讀取
  • 3.基本信息查看
  • 4.獲取列
  • 5.缺失值處理
  • 6.數據映射
  • 7.刪除數據
  • 8.增加數據
  • 9.篩選查找
  • 10.排序
  • 11.數據透視
  • • 1).船艙等級與生存率
    • 2).性別與生存率
  • 12.簡單繪圖
  • • 3).年齡與生存率

本文旨在結合經典案例：泰坦尼克號數據集，介紹pandas的基礎操作，力求簡潔清晰，可以作為一個教程，也可以作為一個速查表，歡迎多多收藏點贊~

泰坦尼克號數據集是一個非常經典的數據集，它記錄了泰坦尼克號的乘客信息，包括年齡、性別、是否存活等等。
我們可以用pandas來對其進行分析，一步一步揭開數據里的秘密，探索泰坦尼克號生還者們背后的真相

1.導入庫

首先，我們要把我們的工具：pandas,從工具箱里拿出來

import pandas as pd

2.數據讀取

pandas是一個處理數據的全能型工具箱,你能想到的任何數據處理的操作,它都能做
然后用pandas取出我們要加工的對象:數據集。

data = pd.read_csv("Titanic.csv")

3.基本信息查看

查看數據有哪些字段:

# 查看數據有哪些字段 data.columns# 描述性統計分析 data.describe()# 展示前3行數據 data.head(3)

4.獲取列

# 獲取單列 data.Name # 獲取多列 data[["Name","Age"]]

5.缺失值處理

有時候數據并不不完整,存在一些缺失,這時候可以對缺失值進行一些填充

# 查看各列缺失值個數 data.isnull().sum()# 指定值填充缺失值 data.Embarked.fillna("S")# 均值填充 data.Age.fillna(data.Age.mean())

6.數據映射

在Excel中,VLOOKUP是很常用的方法,當然pandas也能做到
例如:將數據中’male’映射為1,'female’映射為0

mapping = {"male":1, "female":0} data.Sex.map(mapping)

7.刪除數據

當我不想要一些數據時,可以把它刪除掉
例如PassengerId,僅僅是一個ID,沒有實際意義,那么可以把它刪除掉

data.drop("PassengerId",axis=1)

8.增加數據

可以根據一列或多列,計算出新的列,這在pandas里十分常見
在數據集中,SibSp表示乘客兄弟姐妹的數量,Parch表示父母孩子的數量
可以新建一列family,表示在船上他又多少個親人

data["family"] = data["SibSp"] + data["Parch"]

9.篩選查找

篩選查找是十分常用且重要的操作.pandas提供了比數據庫更簡潔優雅的查找操作.
例如:篩選出生還的乘客:

data.query("Survived == 1")

再例如:篩選大于八十歲的生還乘客:

data.query("Survived == 1 and Age >= 80")

10.排序

例如,按照年齡降序排列

data.sort_values(by = ["Age"],ascending = False)

11.數據透視

結合數據透視,我們一起分析一下泰坦尼克號生存情況如何

1).船艙等級與生存率

以船艙等級為行,生存情況為列 ; 對生存情況求平均,可以得到生存率

Pclass 1 0.629630 2 0.472826 3 0.242363 Name: Survived, dtype: float64

可以看到船艙等級越高,生還概率越大. 實際上,船艙等級越高,安全就越有保障,例如離逃生艙更近,有更高幾率逃生.

2).性別與生存率

以船艙等級為行,生存情況為列 ; 對生存情況求平均

Sex female 0.742038 male 0.188908 Name: Survived, dtype: float64

女性生存率遠遠高于男性,這也體現出19世紀英國人的紳士風度,在大難臨頭時讓女人孩子老人先上逃生船

12.簡單繪圖

結合圖片,我們最后看看年齡與生還率之間的關系

3).年齡與生存率

df1 = data.query("Survived == 1").Age df2 = data.query("Survived == 0").Ageimport matplotlib.pyplot as plt plt.hist([df1,df2],stacked=True,label=['Rescued','not saved'])plt.legend() plt.title('title') plt.title('Age_Survived')

總結

以上是生活随笔為你收集整理的【pandas】结合泰坦尼克生还分析讲讲pandas常用基础操作的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。