> 打算從基礎開始學習數據分析，給自己一個整理內容和學習消化的時間，所以，這也將成為我的學習筆記。

1. 數據描述

原始數據集包括六個屬性：Gender，Length，Diameter，Height，Weight，Rings：Gender?：M (male), F (female), I (infant)

Length：最長外殼尺寸(毫米)

Diameter：垂直于長度的直徑(毫米)

Height：帶殼肉的高度(毫米)

Weight：整只鮑魚的重量(克)

Rings：確定鮑魚的實際年齡，有點像估計一棵樹的年齡。 隨著鮑魚的生長，在鮑魚殼中形成環，通常以每年一環的速度形成。

2. 數據讀取

2.1 導入庫

import pandas as pd

2.2 讀取文件

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

2.3 查看數據表信息

先來一波兒基礎操作，熱熱身~

data.columns ? ? ? ? ? ? ? ? ? ? ? ? ?# 查看數據列名

data.shape? ? ? ? ? ? ? ? ? ? ? ? ? ? ?# 查看數據框中有多少個觀測值

data.head(4) ? ? ? ? ? ? ? ? ? ? ?# 打印數據的前四行

data.head(4)['Rings'] ? ? ? ? ? ?# 打印前四行中Rings的值

data.tail(3)? ? ? ? ? ? ? ? ? ? ? ? ? # 提取數據集的最后三行

data.tail(3)['Weight']? ? ? ? ? ? ?# 輸出最后三行鮑魚的重量

data.loc[577]['Diameter']? ? ??# 輸出第577行的直徑值

data.mean()['Height']? ? ? ? ? ?# 輸出高度列的平均值

什么(O_o)?? 沒難度？那是因為我不想掉頭發！

#?提取 gender 為M并且 weight 值低于0.75的數據框的行子集

subset=data[(data['Gender']=='M') & (data['Weight']<0.75)]

# 輸出此子集中 diameter 的平均值

subset.mean()['Diameter']

# 輸出年齡等于18的鮑魚的最小長度

data.loc[data["Rings"]==18,"Length"].min()

3. 數據呈現

3.1 鮑魚任意兩個屬性之間的關系可視化：

==交叉表與熱圖結合==(個人覺得是數據分析界的炸雞和啤酒)

熱圖的色彩變化豐富多樣、信息表達生動飽滿，搭配交叉表的使用，是一種非常不錯的可視化手段，被用于各種大數據分析場景，我在這里嘗試一下：

import seaborn as sns? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? # 導入seaborn繪圖模塊

tab = pd.crosstab(data['Height'],data['Gender'])? ? ?# 做Height列和Gender列的交叉表

sns.heatmap(tab)? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? # 對交叉表進行熱圖呈現

輸出結果如下圖：

3.2 鮑魚三個屬性之間的關系可視化：

sns.scatterplot(data=data,x='Length',y='Weight',hue='Gender',s=300)

plt.legend(loc='upper left')

輸出結果如圖：一般很難讀懂按這種方式可視化的多種特征的關系信息，下一次，會有更好地方式，值得期待。

4. 數據分析

?鮑魚的體重與它們有多少個環有關嗎？

==劃重點==開始分析之前，先把數據清洗一下：

data.describe()

運行之后，是這醬紫的......

我們囧囧有神.....哦不.....是炯炯有神的兩只“照妖鏡”發現一只千年鮑魚精，呔！妖精，哪里逃，快還我真實數據~

于是，便有了下面一場"惡戰"(其實也就一行代碼，看來這只鮑魚精道行不夠).........

data.loc[data.Rings==1500,'Rings']=15

言歸正傳，數據集中難免存在數據錯誤，根據數據集中的其他相關數據，我將其修正為了15。

回到問題：鮑魚的體重和環之間是否存在聯系？

==解決方案1==

import? ?matplotlib.pyplot? ?as? ?plt

plt.scatter ( data['Rings'] , data [ 'Weight' ]?)

plt.show( )

輸出結果如下圖：從散點圖中可以看出，鮑魚的環和體重不存在明顯的相關關系。

==解決方案2==

data.corr()#?對數據集進行相關性分析

輸出結果如下：可見鮑魚的weight和rings并沒有很強的關聯。

==解決方案3==

data_mean = data.groupby( 'Rings' ).mean( ) ?# 求所有鮑魚的環的平均值

plt.plot ( data_mean [ 'Weight' ] )? ? ? ? ? ? ? ? ? ? ??# 繪制折線圖

輸出結果如下：

奉上一張思維導圖

> 這篇筆記一定還有很多不完善的地方，希望朋友們多多提出不足，大家一起交流，期待！

總結

以上是生活随笔為你收集整理的pandas内置数据集_Pandas数据分析实战01——Abalone Data Set（鲍鱼数据集）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。